Resumes

Lycée Louis-le-Grand — MPSI 2
Résumés de cours 2019–2020
D’après Monsieur Merle, compilé par Quentin De Muynck
36 semaines de mathématiques, dont 14 à distance...

Table des matières
Semaine 1 – Fonctions de R dans R, trigonométrie 1
Semaine 2 – Dérivation et intégration 7
Semaine 3 – Transformations du graphe, trigonométrie hyperboliques et réciproques,

intégration par parties et changement de variables 12
Semaine 4 – Ensembles, quantificateurs, opérations ensemblistes, logique. 15
Semaine 5 – Relations binaires, d’ordre, ordre naturel, minimum et max dans N, rela-
tions d’équivalence 20
Semaine 6 – Axiome du choix, construction de Z, ordre, anneau et sous-groupes de Z,

arithmétique 23
Semaine 7 – Les rationnels Q, les réels R, intervalles, bornes supérieurs, R, valeur

absolue et développement décimal 31
Semaine 8 – Développement d’un réel en base quelconque, applications, images directes

et réciproques, injectivité et surjectivité, lois internes, cardinaux 36
Semaine 9 – Cardinaux, sommes et produits finis, listes, arrangements et combinaisons 42
Semaine 10 – Sommes finies (téléscopage, fonctions génératrices), intégration par par-

ties itérée, début des complexes 46
Semaine 11 – Module, fonctions à valeurs dans C, exponentielle complexe, argument,

linéarisation et antilinéarisation 50
Semaine 12 – Équations polynomiales, géométrie dans le plan complexe, similitudes

directes et indirectes 56
Semaine 13 – Groupes, sous-groupes, monogènes, cycliques, morphismes, groupe sy-

métrique, anneaux 60
Semaine 14 – Idéaux, groupes et anneaux quotients 68
Semaine 15 – Z/nZ, théorème chinois, indicatrice d’Euler, complément HP, caracté-

ristique d’un anneau, équations différentielles d’ordre 1 70
Semaine 16 – Équations différentielles linéaires d’ordre 2, équations à variable sépa-

rables, espaces vectoriels 73
Semaine 17 – Applications linéaires, espaces affines, structure d’algèbre, espaces vec-

toriels normés, distance et espaces métriques 78
Semaine 18 – Applications lipschitziennes, normes équivalentes, limite dans un espace

métrique, sommes et produits de limites, suites de complexes et de réels 84
2
TABLE DES MATIÈRES 3
Semaine 19 – Suites de vecteurs, adjacentes, extraites, suites de Cauchy, séries de

vecteurs, séries de réels positifs 89
Semaine 20 – Croissances comparées, séries de Riemann, TCSI, critère de d’Alem-

bert, séries alternées, non-commutativité des séries semi-convergentes, transformation
d’Abel 95
Semaine 21 – Topologie dans un espace métrique, ouverts, fermés, adhérence, intérieur,

compacts, continuité ponctuelle 98
Semaine 22 – Théorèmes de composition, opérations algébriques sur les limites, conti-

nuité globale, TVI, continuité des applications linéaires et continuité uniforme 104
Semaine 23 – Comparaison au voisinage d’un point, domination, prépondérance, rela-

tion d’équivalence, développements limités, applications aux séries 109
Semaine 24 – Dérivabilité, opérations, dérivées d’ordre supérieurs, égalité des accrois-

sements finis, formules de Taylor, monotonie et dérivabilité, suites récurrentes d’ordre
1, fonctions convexes 114
Semaine 25 – Polynômes, arithmétique sur un anneau principal 123
Semaine 26 – Arithmétique, PGCD, PPCM, racines d’un polynôme 127
Semaine 27 – Racines d’un polynôme, fractions rationnelles 131
Semaine 28 – DES, calculs d’intégrales, matrices 136
Semaine 29 – Matrices, blocs, familles de vecteurs, dimension d’un espace vectoriel,

rang d’une famille, matrice d’une application linéaire, systèmes linéaires et pivot de
Gauss 142
Semaine 30 – Somme de sous-espaces vectoriels, supplémentaires, sommes directes,

projecteurs et symétries, sous-espaces propres, changement de bases 153
Semaine 31 – Diagonalisation et trigonalisation, trace d’un endomorphisme, matrices

équivalentes et semblables, hyperplans, déterminants (formes multilinéaires) 158
Semaine 32 – Déterminants (calculs), produits scalaires, espaces préhilbertiens, espaces

vectoriels normés de dimensions finies, orthogonalité 165
Semaine 33 – Orthogonalité en dimension finie, distance à un espace vectoriel, Gram-

Schmidt, endomorphismes (symétriques, orthogonaux) d’un espace euclidien, groupe
orthogonal, rotations, orientation d’un espace vectoriel réel, géométrie plane, isomé-
tries vectorielles 170
Semaine 34 – Angles, droites affines, géométrie dans l’espace, produit vectoriel, en-
sembles dénombrables et familles sommables, théorèmes de Fubini 177
Semaine 35 – Probabilités, conditionnelles et indépendance, variables aléatoires dis-

crètes 185
Semaine 36 – Convergence en loi, variables aléatoires indépendantes, espérance et

variance, propriétés de convergence, théorie de l’intégration, sommes de Riemann,
applications réglées 189
4 TABLE DES MATIÈRES
Semaine 1 – Fonctions de R dans R, trigonométrie
Semaine 1 : Résumé de cours
1 Fonctions de R dans R.
Notations : Nous emploierons dans les énoncés ci-dessous l’une des deux notations suivantes :
Notation a) : Soit D et E deux parties de R. On considère une application f , de D dans E, ce qui
signifie que, pour tout x ∈ D, on se donne un unique f (x) ∈ E.
Notation b) : On considère une fonction f de R dans R, ce qui signifie que, pour tout x ∈ R, on associe
ou bien aucun réel, ou bien un unique réel qui est alors noté f (x).
Remarque. En pratique, les deux mots application et fonction sont souvent considérés comme
synonymes et c’est le contexte qui permet de savoir laquelle des notations précédentes est employée.
1.1 Graphe d’une fonction
Définition. (Notation b)) Le domaine de définition de f , noté Df est l’ensemble des réels x ∈ R
pour lesquels la quantité f (x) est calculable.
Remarque. On peut ainsi passer d’une notation à l’autre :
Si f est une application de D dans E (notation a)), alors on peut voir f comme une fonction de R
dans R (notation b)) telle que D ⊂ Df .
Réciproquement, si f est une fonction de R dans R (notation b)), on peut voir f comme une application
de D dans E, pour toute partie D incluse dans Df et pour toute partie E contenant
∆
f (D) = {f (x) / x ∈ D}.
Notation. Soit f une application de D dans E (notation a)).

Soit D′ une partie de D et E ′ une partie de E.
— On note f |D′ l’application de D′ dans E qui à x associe f (x). On dit que f |D′ est la restriction
de f à D′ .
′
— Lorsque, pour tout x ∈ D, f (x) ∈ E ′ , on note f |E l’application de D dans E ′ qui à x associe
′
f (x). On dit que f |E est la corestriction de f à E ′ .
′
— Lorsque, pour tout x ∈ D′ , f (x) ∈ E ′ , on note f |E ′ ′
D ′ l’application de D dans E qui à x associe
f (x).
Définition.
On se place dans le plan usuel, muni d’un repère orthonormé direct (O,~ı, ~).
La représentation graphique de f , aussi appelée le graphe de f , est l’ensemble des points du plan de
coordonnées (x, f (x)), lorsque x décrit Df (notation b)), ou bien lorsque x décrit D (notation a)).
Définition. Lorsque y = f (x), où x ∈ Df et y ∈ R,
— on dit que y est l’image de x par f et
— que x est un antécédent de y par f .
Tout élément x de Df possède une unique image f (x) par f ,
mais si y ∈ R, y peut ne posséder aucun antécédent par f , il peut aussi en posséder plusieurs.
1
1
Semaine 1 : Résumé de cours 1 Fonctions de R dans R.
Les définitions et propriétés qui terminent ce paragraphe sont à connaı̂tre même si on ne les démontrera
effectivement que plus tard.
Définition : Soit f une application d’un ensemble quelconque E dans un ensemble quelconque F
(ainsi E et F ne sont pas forcément des parties de R).
— On dit que f est surjective si et seulement si ∀y ∈ F, ∃x ∈ E, y = f (x). Ainsi,
f est surjective si et seulement si tout élément de F possède au moins un antécédent.
— On dit que f est injective si et seulement si ∀x, y ∈ E, [f (x) = f (y) =⇒ x = y]. Ainsi,
f est injective si et seulement si, pour tout couple d’éléments distincts de E, leurs images sont
différentes. f est injective si et seulement si tout élément de F possède au plus un antécédent.
Définition. Un polynôme P (à coefficients réels) est une application de R dans R (notation a)) de
la forme x 7−→ a0 + a1 x + · · · + an xn , où n ∈ N et a0 , . . . , an ∈ R.
Si an 6= 0, on dit que n est le degré de ce polynôme. On note n = deg(P ).
Par convention, l’application identiquement nulle est un polynôme de degré égal à −∞.
Définition. Soit P un polynôme et α ∈ R.

On dit que α est une racine de P si et seulement si P (α) = 0.
Propriété. Soit P un polynôme et α ∈ R. Alors α est une racine de P si et seulement si il existe un
polynôme Q tel que, pour tout x ∈ R, P (x) = (x − α)Q(x).
Propriété. Soit P un polynôme et α1 , . . . , αk k réels deux à deux distincts. Alors α1 , . . . , αk sont
des racines de P si et seulement si il existe un polynôme Q tel que, pour tout x ∈ R,
P (x) = (x − α1 )(x − α2 ) · · · (x − αk )Q(x).
Propriété. Soit P et Q deux polynômes. Alors l’application x 7−→ P (x)Q(x) de R dans R est aussi
un polynôme, que l’on note P Q. De plus, deg(P Q) = deg(P ) + deg(Q).
Théorème. Soit P un polynôme non nul à coefficients réels de degré n ∈ N. Alors le nombre de
racines de P est inférieur ou égal à n.
1.2 Premières caractéristiques d’une fonction
Définition. (Notation b))

— f est paire si et seulement si : ∀x ∈ Df , [−x ∈ Df ] ∧ [f (x) = f (−x)].
— f est impaire si et seulement si : ∀x ∈ Df , [−x ∈ Df ] ∧ [f (−x) = −f (x)].
— Soit T > 0. f est T -périodique si et seulement si
∀x ∈ Df , [x + T ∈ Df ] ∧ f (x + T ) = f (x).
Propriété.
— Le graphe d’une fonction paire est symétrique par rapport à l’axe des ordonnés.
— Le graphe d’une fonction impaire est symétrique par rapport à l’origine des axes.
— Le graphe d’une fonction T -périodique est invariant par la translation de vecteur T −
→
ı.
Définition. (notation a))
— f est croissante si et seulement si ∀x, y ∈ D, [x ≤ y =⇒ f (x) ≤ f (y)].
— f est strictement croissante si et seulement si
∀x, y ∈ D, [x < y =⇒ f (x) < f (y)].
— f est décroissante si et seulement si ∀x, y ∈ D, [x ≤ y =⇒ f (x) ≥ f (y)].
— f est strictement décroissante si et seulement si
∀x, y ∈ D, [x < y =⇒ f (x) > f (y)].
— f est monotone si et seulement si f est croissante ou décroissante.
— f est strictement monotone si et seulement si f est strictement croissante ou strictement
décroissante.
c Eric Merle 2 MPSI2 LLG

2
Semaine 1 : Résumé de cours 2 Trigonométrie
Propriété. Graphiquement, les antécédents de λ par f sont les abscisses des points d’intersection
du graphe de f avec la droite horizontale d’équation y = λ.
Propriété. Graphiquement, les solutions de l’inéquation f (x) ≥ λ, en l’inconnue x, sont les abscisses
des points du graphe de f situés au-dessus de la droite horizontale d’équation y = λ.
Définition. Une application f : D −→ E est majorée si et seulement si il existe M ∈ R tel que,
pour tout x ∈ D, f (x) ≤ M , c’est-à-dire si et seulement si le graphe de f est situé sous la droite
horizontale d’équation y = M .
1.3 Opérations sur les fonctions
Définition. (notation b)) Soit f et g deux fonctions de R dans R. Soit λ ∈ R.

— f + g est la fonction de R dans R définie par (f + g)(x) = f (x) + g(x).
On a Df +g = Df ∩ Dg .
— λf est la fonction de R dans R définie par (λf )(x) = λf (x).
On a Dλf = Df .
— f g est la fonction de R dans R définie par (f g)(x) = f (x) × g(x).
On a Df g = Df ∩ Dg .
— |f | est la fonction de R dans R définie par |f |(x) = [f (x)|. On a D|f | = Df .
— On définit de même f − g, f1 , fg .
Définition. f est bornée si et seulement si |f | est majorée.
Définition de la composition : (Notation b)) Soit f et g deux fonctions. On note
f (g(x)) = (f ◦ g)(x) : on définit ainsi une nouvelle fonction, f ◦ g. C’est la composée de f et g.
Application réciproque :
Soit f une application de D dans E (notation a)). On dit que f est bijective si et seulement si f est
injective et surjective. Dans ce cas, pour tout y ∈ E, il existe un unique xy ∈ D tel que y = f (xy ).
En notant xy = f −1 (y), on définit une application f −1 de E dans D, qui est également bijective. C’est
la bijection réciproque de la bijection f . On a (f −1 )−1 = f , f ◦ f −1 = IdE et f −1 ◦ f = IdD , où IdE
est l’application de E dans E qui à x associe x.
Propriété. Si f est une bijection d’une partie E de R vers une partie F de R, alors le graphe de f −1
est le symétrique du graphe de f pour la symétrie orthogonale selon la première diagonale, c’est-à-dire
la droite d’équation y = x.
Il faut savoir le démontrer.
Définition. Soit f et g deux applications définies sur D à valeurs dans R.
On dit que f est inférieure à g sur D, et on note f ≤ g, lorsque : ∀x ∈ D, f (x) ≤ g(x).
Remarque. La notation “f < g” désignera parfois la condition [∀x ∈ D, f (x) < g(x)],
et d’autres fois la condition [(f ≤ g) et (f 6= g)],
c’est-à-dire [∀x ∈ D, f (x) ≤ g(x)] et [∃x ∈ D, f (x) < g(x)].
2 Trigonométrie
2.1 Les fonctions circulaires
Définition. Soit θ ∈ R. On admet que le complexe eiθ est sur le cercle unité et que θ est l’angle
M1\M0 Meiθ (en notant Mz le point d’affixe z).
On pose cos(θ) = Re(eiθ ) et sin(θ) = Im(eiθ ).
Ainsi cos(θ) est l’abscisse du point Meiθ et sin(θ) est son ordonnée.

3
eiθ + e−iθ eiθ − e−iθ

Formules d’Euler : cos θ = et sin θ = .
2 2i
Propriété. Les fonctions cos et sin sont 2π-périodiques. cos est paire. sin est impaire.
sin θ cos θ
Définition des fonctions tangente et cotangente : tan θ = et cotan θ = .
cos θ sin θ
La fonction tangente est définie sur R \ ( π2 + πZ).
Formules : Soit OAB un triangle rectangle en A. Par définition, l’hypoténuse est le côté opposé à
\ l’angle au sommet O.
l’angle droit. Notons θ = AOB
OA longueur du côté adjacent AB longueur du côté opposé
Alors cos θ = = , sin θ = =
OB longueur de l’hypoténuse OB longueur de l’hypoténuse
AB longueur du côté opposé
et tan θ = = .
OA longueur du côté adjacent
Cette dernière formule permet d’interpréter géométriquement la quantité tan θ :
sin θ
tan θ
O cos θ 1
2.2 Graphes des fonctions circulaires

Il faut savoir tracer les graphes des fonctions cos, sin et tan.
2.3 Formulaire de trigonométrie

Il faut savoir établir chacune de ces formules.
Formule circulaire : Pour tout θ ∈ R, cos2 θ + sin2 θ = 1.
Formules de symétries : Lorsque les quantités qui interviennent sont définies,
cos(−θ) = cos(θ) sin(−θ) = − sin(θ) tan(−θ) = − tan(θ)
cos(π − θ) = − cos(θ) sin(π − θ) = sin(θ) tan(π − θ) = − tan(θ)
cos(π + θ) = − cos(θ) sin(π + θ) = − sin(θ) tan(π + θ) = tan(θ)
cos( π2 − θ) = sin(θ) sin( π2 − θ) = cos(θ) tan( π2 − θ) = cotan (θ)
cos( π2 + θ) = − sin(θ) sin( π2 + θ) = cos(θ) tan( π2 + θ) = −cotan (θ)
Il faut être capable de visualiser toutes ces formules sur le cercle trigonométrique.
Formule d’addition :
cos(a + b) = cos a cos b − sin a sin b et sin(a + b) = sin a cos b + cos a sin b.
cos(a − b) = cos a cos b + sin a sin b et sin(a − b) = sin a cos b − cos a sin b,
tan a + tan b tan a − tan b
tan(a + b) = et tan(a − b) = .
1 − tan a tan b 1 + tan a tan b
Formules de duplication : cos(2a) = cos2 a − sin2 a = 2 cos2 a − 1 = 1 − 2 sin2 a,
2 tan a
sin(2a) = 2 sin a cos a et tan(2a) = .
1 − tan2 a
Premières formules de linéarisation :

4
cos(2a) + 1 1 − cos(2a)
cos2 a = et sin2 a = ≥ 0.
2 2
2 cos a. cos b = cos(a + b) + cos(a − b),
2 sin a. sin b = cos(a − b) − cos(a + b),
2 sin a. cos b = sin(a + b) + sin(a − b).
Formules de factorisation :
p+q p−q
cos p + cos q = 2 cos cos ,
2 2
p+q p−q
cos p − cos q = −2 sin sin ,
2 2
p+q p−q
sin p + sin q = 2 sin cos ,
2 2
p−q p+q
sin p − sin q = 2 sin cos .
2 2
Il faut savoir les retrouver en utilisant les complexes.

Formules (hors programme) : en posant u = tan θ2 , on a
1 − u2 2u 2u
cos θ = 2
, sin θ = 2
, tan θ = .
1+u 1+u 1 − u2
Propriété. Lignes trigonométriques à connaı̂tre :
π π π π
θ 0 6 4 3 2
√ √
3 2 1
cos θ 1 2 √2 √2
0
1 2 3
sin θ 0 √2 2 1
3
√2
tan θ 0 3 1 3 non défini
La croissance de la fonction tangente sur [0, π2 [ aide à retenir la dernière ligne.
2.4 Equations trigonométriques

2.4.1 Résolution du système (S) : (cos x = c) ∧ (sin x = s)
2.4.2 Résolution de l’équation cos x = c
Définition. L’application cos réalise une bijection (décroissante) de [0, π] dans [−1, 1].
On note arccos l’application réciproque.
Propriété. Pour tout u, v ∈ R, cos u = cos v ⇐⇒ u ≡ ±v √ [2π].
3
Il faut savoir résoudre les équations suivantes : cos x = et cos x = cos( π3 − 2x).
2
2.4.3 Résolution de l’équation sin x = s
Définition. L’application sin réalise une bijection (croissante) de [− π2 , π2 ] dans [−1, 1]. On note arcsin
l’application réciproque. Il faut savoir tracer son graphe.
Propriété. Pour tout u, v ∈ R, sin u = sin v ⇐⇒ (u ≡ v [2π]) ∨ (u ≡ π − v [2π]).
2.4.4 Résolution de l’équation tan x = t
Définition. tan est une bijection (croissante) de ] − π π

2, 2[ dans R. On note arctan l’application
réciproque. Il faut savoir tracer son graphe.
Corollaire. Pour tout u, v ∈ R, tan u = tan v ⇐⇒ u ≡ v [π].

5
2.4.5 Expressions de la forme A cos x + B sin x.

Technique à connaı̂tre : transformation de A cos x + B sin x en r cos(x − ϕ).
Première méthode :
Soit (A, B) ∈ R \ {(0, 0)}.
p A B
A cos x + B sin x = A2 + B 2 √ cos x + √ sin x .
A2 + B 2 A2 + B 2
A B
Posons c = √ et s = √ . On a c2 + s2 = 1, donc on sait qu’il existe ϕ ∈ R tel que
A2 + B 2 A2 + B 2 √
c = cos ϕ et s = sin ϕ. Ainsi, en posant r = A2 + B 2 ,
A cos x + B sin x = r(cos ϕ cos x + sin ϕ sin x) = r cos(x − ϕ).
r est appelé l’amplitude et ϕ la phase.
On remarquera que, par construction, c + is = eiϕ , donc A + iB = reiϕ .
B
Seconde méthode : lorsque A 6= 0. Il existe ϕ tel que tan ϕ = .
A
sin ϕ A
Alors A cos x + B sin x = A(cos x + . sin x) = cos(x − ϕ).
cos ϕ cos ϕ
Sachez résoudre les équations
√ suivantes :
−3 cos x + 4 sin x = 10 et 3 cos x − sin x = 2.

6
Semaine 2 – Dérivation et intégration
1 Dérivation et intégration
1.1 Pente de la tangente
Propriété. Pour une droite d’équation y = px + y0 , on dit que p est sa pente et que y0 est l’ordonnée
à l’origine.
On dispose également des droites “verticales”, d’équation x = x0 , où x0 ∈ R, qui sont de pente infinie.
Deux droites affines du plan sont parallèles si et seulement si elles ont la même pente.
Propriété. Soit f : R −→ R une fonction. Pour tout x0 , x1 ∈ Df , avec x0 6= x1 , la corde du graphe
de f entre les abscisses x0 et x1 est par définition l’unique droite du plan passant par les points du
graphe de f d’abscisses x0 et x1 .
f (x1 ) − f (x0 )
Elle a pour équation : y − f (x0 ) = × (x − x0 ).
x1 − x0
f (x1 ) − f (x0 )
En particulier, la pente de cette droite est égale à .
x1 − x0
Définition. Soit f : R −→ R une fonction définie sur un intervalle I et soit x0 ∈ I.
f (x1 ) − f (x0 )
On dit que f est dérivable en x0 si et seulement si la quantité possède une limite lorsque
x1 − x0
0
x1 tend vers x0 . Dans ce cas, cette limite est notée f (x0 ) et est appelée la dérivée de f en x0 .
Informellement, lorsque f est dérivable en x0 , la corde du graphe de f entre les abscisses x0 et x1 tend
vers la tangente en x0 , d’équation : y − f (x0 ) = f 0 (x0 ).(x − x0 ).
Cela dit que la meilleure approximation de f , au voisinage de x0 , parmi l’ensemble des applications
affines, est x 7−→ f (x0 ) + f 0 (x0 ).(x − x0 ).
Il faut retenir que f 0 (x0 ), lorsqu’elle est définie, est la pente de la tangente au graphe de f en le point
d’abscisse x0 .
Définition. On dit que f est dérivable sur l’intervalle I si et seulement si elle est dérivable en chacun
des réels de I. On dispose alors de l’application f 0 , définie au moins sur I.
On dit alors que f est de classe D1 .
Lorsque f 0 est continue sur I, on dit que f est de classe C 1 sur I.
Définition. Si f 0 est définie sur un intervalle I, on dit que f est deux fois dérivable sur I lorsque f 0
est dérivable en tout point de I. La dérivée de la dérivée de f est notée f 00 . On l’appelle la dérivée
seconde de f .
Soit n ∈ N. Par récurrence, la dérivée n-ième de f lorsqu’elle est définie est la dérivée de la dérivée
(n − 1)-ième. On la note f (n) . On dit alors que f est de classe Dn sur I.
On dit que f est de classe C n sur I lorsque f est n fois dérivable sur I et que f (n) est continue.
On dit que f est de classe C ∞ sur I lorsque, pour tout n ∈ N, f est C n sur I.
Remarque. On convient que f (0) = f , pour toute application f de R dans R.
1
7
Semaine 2 : Résumé de cours 1 Dérivation et intégration
1.2 Règles de dérivation

Règles générales A savoir utiliser dans des calculs sans hésiter
— Pour tout α, β ∈ R, (αf + βg)0 = αf 0 + βg 0 .
— (f g)0 = f 0 g + f g 0 .
1 0 f0
— = − 2.
f f
f 0 f 0 g − g0 f
— = .
g g2
0 0 0
— (f ◦ g) = g × (f ◦ g).
— Pour tout α ∈ R∗ , (f α )0 = αf 0 × f α−1 .
1
— Lorsque f est bijective, (f −1 )0 = 0 .
f ◦ f −1
Les fonctions qui interviennent dans ces formules sont toutes supposées dérivables sur un intervalle.
On se limite éventuellement à un sous-intervalle pour s’assurer que les quantités qui interviennent
dans les formules sont bien définies.
Dérivées des fonctions usuelles A connaı̂tre par coeur

d α d 1 1 d √ 1
— ∀α ∈ R∗ , (x ) = αxα−1 , = − 2, ( x) = √ .
dx dx x x dx 2 x
— cos0 = − sin, sin0 = cos.
d 1
— (tan x) = = 1 + tan2 x.
dx cos2 x
1 −1 1
— arcsin0 x = √ , arccos0 x = √ , arctan0 x = .
1−x 2 1−x 2 1 + x2
d x d x
— (e ) = ex , (a ) = (ln a)ax (où a > 0), ln0 (x) = x1 .
dx dx
Dérivées d’ordre supérieur

dn
— Si f est n fois dérivable, (f (ax + b)) = an f (n) (ax + b).
dxn
— cos(n) (x) = cos(x + n π2 ) et sin(n) (x) = sin(x + n π2 ).
dn 1 (−1)n n!
— = .
dxn 1 + x (1 + x)n+1
1.3 Dérivation et monotonie
Théorème. Soit f une fonction de I dans R, où I est un intervalle de R. On suppose que f est
dérivable sur I.
— f est constante sur I si et seulement si f 0 est identiquement nulle sur I.
— f est croissante sur I si et seulement si ∀x ∈ I, f 0 (x) ≥ 0.
— f est décroissante sur I si et seulement si ∀x ∈ I, f 0 (x) ≤ 0.
— Si f 0 (x) est de signe constant sur I et si {x ∈ I/f 0 (x) = 0} est fini, alors f est strictement
monotone.
Il faut savoir redémontrer les propriétés suivantes. Il faut aussi les connaı̂tre pour les utiliser éventuellement
sans démonstration.
— pour tout x > 0, sin x < x.
— Pour tout x ∈ [−1, 1], arccosx + arcsinx = π2 .
— Pour tout t ∈ R∗ , arctant + arctan 1t = sgn(t) × π2 .

8
Semaine 2 : Résumé de cours 1 Dérivation et intégration
1.4 Intégration
Z b
Définition. Soit a, b ∈ R avec a < b. Soit f : [a, b] −→ R une application continue. On note f (t)dt
a
(prononcer “intégrale de a à b de f(t) dt”) l’aire comprise entre l’axe des abscisses (noté Ox) et le
graphe de f , en comptant positivement les aires au dessus de l’axe Ox (donc lorsque f (x) ≥ 0) et
négativement les aires situées au dessous de l’axe Ox (lorsque f (x) ≤ 0).
Convention : Avec les notations et hypothèses précédentes, on convient que
Z a Z b Z a
f (t)dt = − f (t)dt et que f (t)dt = 0.
b a a
Propriété. Soit I un intervalle inclus dans R.
Soit f et g deux applications continues de I dans R.
Soit a, b ∈ I (on peut avoir a < b, b < a ou bien a = b).
Z b Z b Z b
— Linéarité : Pour tout α, β ∈ R, (αf + βg) = α f +β g.
a Z b aZ c a
Z b
— Relation de Chasles : Pour tout c ∈ I, f (t)dt = f+ f.
a a c
Soit a, b ∈ I : on suppose maintenant que a ≤ b.
Z b
— Positivité : si f ≥ 0, alors f (t)dt ≥ 0.
a Z b Z b
— Croissance de l’intégrale : si f ≤ g, alors f (t)dt ≤ g(t)dt.
a a
Z b
Rb
— Inégalité triangulaire : f (t)dt ≤ a |f (t)|dt.
a
Propriété. Soit a, b ∈ R avec a < b et soit f : [a, b] −→ R une application continue et positive,
Rb
telle que a f (t)dt = 0. Alors f est identiquement nulle sur [a, b].
1.5 Primitivation
Définition. Soit I un intervalle et f une application continue de I dans R.

On dit que F est une primitive de f sur I si et seulement si F est dérivable et F 0 = f .
Propriété. Avec les hypothèses et notations précédentes, si F0 est une primitive de f , alors les autres
primitives de f sont exactement les applications F0 + k, où k est une fonction constante.
Théorème : Soit I un intervalle
Z x de R et f une application de I dans R que l’on suppose continue.
Soit x0 ∈ I. Alors x 7−→ f (t)dt est l’unique primitive de f qui s’annule en x0 .
x0
Corollaire. Soit f une application continue d’un intervalle I dans R.

Z b
∆
Si F est une primitive de f , alors pour tout a, b ∈ I, f (t)dt = F (b) − F (a) = [F (t)]ba .
a
Z b
1
Corollaire. Si f est une application de classe C sur [a, b], f 0 (t)dt = f (b) − f (a).
a
R
Notation. L’écriture “ f (t)dt = F (t) + k, t ∈ I” signifiera que f est continue sur I et que l’ensemble
des primitives de f est {F + k/k ∈ R}.
Il
Z faut savoir
Z calculer les primitives suivantes
Z : Z Z
α 2 dx 2xdx
cos tdt, x dx (où α ∈ R \ {−1}), cos xdx, et .
1 + x2 (x2 + 1)2

9
Semaine 2 : Résumé de cours 2 Fonctions Logarithmes et puissances
Z Z
1
Propriété. Avec a 6= 0, si f (t)dt = F (t) + k, alors f (at + b)dt = F (at + b) + k.
a
Remarque. Si f est une application continue d’un intervalle I dans R et si u : J −→ I et v : J −→ I
Z v(t)
sont des applications dérivables sur un intervalle J, on calcule la dérivée de t 7−→ f (x)dx en
u(t)
utilisant une primitive F de f :
Z v(t)
f (x)dx = F (v(t)) − F (u(t)) a pour dérivée v 0 (t)f (v(t)) − u0 (t)f (u(t)).
u(t)
2 Fonctions Logarithmes et puissances

2.1 Quelques théorèmes d’analyse
On montrera plus tard les théorèmes suivants :
Théorème de la limite monotone : On pose R = R ∪ {+∞, −∞}.
2
Soit (m, M ) ∈ R avec m < M . Notons I =]m, M [.
Soit f une application de I dans R que l’on suppose monotone.
Alors la quantité f (x) possède une limite dans R, lorsque x tend vers m (resp : M ).
Théorème de la bijection : Soit f une application définie sur un intervalle I et à valeurs dans R.
On suppose que f est continue sur I.
Alors f est une bijection de I dans f (I) si et seulement si f est strictement monotone.
Dans ce cas, f (I) est un intervalle et l’application réciproque f −1 est une application également
continue, strictement monotone, de même sens de variation que f , allant de f (I) dans I.
Définition. Soit f : I −→ J où I et J sont deux intervalles. Soit n ∈ N∗ ∪ {∞}. On dit que f
est un C n -difféomorphisme si et seulement si f est une bijection de I sur J et si f et f −1 sont toutes
deux de classe C n .
Caractérisation d’un difféomorphisme : Soit f une application définie sur un intervalle I et à
valeurs dans R. Soit n ∈ N∗ ∪ {∞}. f est un C n -difféomorphisme de I dans f (I) si et seulement si f
est de classe C n et si, pour tout x ∈ I, f 0 (x) 6= 0.
2.2 Les fonctions ln et exp

Z x
dt
La fonction Logarithme népérien : Pour tout x > 0, on pose ln(x) = .
1 t
ln est une bijection strictement croissante de R∗+ dans R. ln(1) = 0.
d 1
Pour tout x > 0, (ln(x)) = .
dx x
Il existe un unique e ∈ R tel que ln(e) = 1. e est le nombre de Neper : e = 2, 7 ± 10−1 .
Pour tout x, y ∈ R∗+ et n ∈ Z,
— ln(xy) = ln x + ln y : A savoir démontrer.
1 x
— ln = − ln x, ln = ln x − ln y,
x y
— ln(xn ) = n ln x,
ln(t)
— ln(t) −→ −∞, ln(t) −→ +∞, −→ 0 : A savoir démontrer.
t→0 t→+∞ t t→+∞
La fonction exponentielle : c’est la bijection réciproque de la fonction logarithme népérien.
exp est une bijection strictement croissante de R dans R∗+ .
Pour tout x ∈ R∗+ , exp(ln x) = x et, pour tout x ∈ R, ln(exp(x)) = x.
∀x ∈ R, dx d
(exp(x)) = exp(x).
Pour tout x, y ∈ R et n ∈ Z,

10
Semaine 2 : Résumé de cours 3 Etude d’une fonction
— ex+y = ex ey ,
— e0 = 1 et e1 = e,
1 ex
— e−x = x , ex−y = y ,
e e
— enx = (ex )n .
et
— et −→ 0, et −→ +∞. −→ +∞.
t→−∞ t→+∞ t t→+∞
Représentation graphique de ln et exp : A connaı̂tre
Logarithmes et exponentielles en base a.
∆ ln x
— Soit a ∈ R∗+ \ {1}. ∀x ∈ R∗+ , lna (x) = .
ln a
Pour tout x, y ∈ R+ et b ∈ R,
∗
— lna (xy) = lna x + lna y,

— lna (1) = 0 et lna (a) = 1,
1 x
— lna = − lna x, lna = lna x − lna y,
x y
— lna (xb ) = b lna x,
∆
— Soit a ∈ R∗+ . ∀x ∈ R, ax = ex ln a = expa (x).
∀x ∈ R, lna (ax ) = x et ∀x ∈ R∗+ , alna x = x.
d x
Pour tout x ∈ R, (a ) = (ln a)ax .
dx
Pour tout x, y ∈ R,
— ax+y = ax ay ,
— a0 = 1 et a1 = a, ax > 0,
1 ax
— a−x = x , ax−y = y ,
a a
— pour tout b ∈ R, abx = (ax )b .
— Pour tout b > 0, ax bx = (ab)x .
2.3 Fonctions puissances
Définition. Un monôme de degré n ∈ N est une application de la forme x 7−→ axn , où a est un
paramètre réel. Cette application est définie sur R.
Une fonction polynomiale est une somme finie de monômes.
Lorsque n ∈ Z avec n < 0, x 7−→ xn est définie sur R∗ .
Représentation graphique de x 7−→ xn lorsque n ∈ Z : A connaı̂tre.
Représentation graphique de x 7−→ xα où α ∈ R \ Z, lorsque x décrit R∗+ : A connaı̂tre.
Convention : Pour tout b ∈ R∗+ , 0b = 0 et 00 = 1 .
3 Etude d’une fonction

3.1 Plan d’étude
Plan d’étude d’une fonction f de R dans R :
1. Calcul du domaine de définition de f .
2. Si f est paire, impaire ou/et périodique, on peut réduire le domaine d’étude.
3. Calcul de f 0 (x) et étude de son signe.
4. Tableau de variations de f . Indiquez notamment les limites de f aux bornes des intervalles.
5. Etude des branches infinies si f (x) −→ ±∞.
x→±∞

11
Semaine 3 – Transformations du graphe, trigonométrie hyperboliques et réciproques, intégration par parties
et changement de variables
1 Etude des branches infinies

Soit ε ∈ {−1, 1}. On suppose que f (x) −→ ±∞.
x→ε∞
f (x)
1. S’il existe µ ∈ R tel que −→ µ, on dit que le graphe de f admet une direction asymp-
x x→ε∞
totique de pente µ.
— S’il existe α ∈ R tel que f (x) − µx −→ α, la droite affine d’équation y = µx + α est une
x→ε∞
asymptote de la courbe au voisinage de ε∞.
— Si f (x) − µx −→ ±∞, on dit que le graphe de f présente au voisinage de ε∞ une branche
x→ε∞
parabolique de pente µ.
f (x)
En particulier, lorsque −→ 0, on est en présence d’une branche parabolique hori-
x x→ε∞
zontale.
— Autres cas : il y a seulement une direction asymptotique.
f (x)
2. Si −→ ±∞, le graphe de f admet une branche parabolique verticale.
x x→ε∞
3. Autres cas : on ne peut rien dire.
2 Déformations du graphe
Notation. f désigne une fonction de D dans R, où D ⊂ R.
Propriété. On fixe un réel a.
— Le graphe de x 7−→ f (x) + a se déduit du graphe de f par la translation de vecteur a→ − .
— Le graphe de x 7−→ f (x + a) se déduit du graphe de f par la translation de vecteur −a→ −ı . A
savoir établir.
— Le graphe de x 7−→ f (a − x) se déduit du graphe de f par la symétrie orthogonale selon la
droite verticale d’abscisse a2 .
— Le graphe de x 7−→ f (ax) se déduit du graphe de f par l’affinité orthogonale d’axe invariant Oy
et de coefficient a1 , qui correspond, en identifiant un point avec le couple de ses coordonnées, à
la tranformation (x, y) 7−→ ( xa , y) (A savoir établir). Ceci a pour effet,
— lorsque a > 1, d’écraser le graphe de f d’un facteur a vers l’axe des ordonnées, parallèlement
à l’axe Ox,
— lorsque 0 < a < 1, d’étirer le graphe de f d’un facteur a1 autour de l’axe Oy, parallèlement
à l’axe Ox.
— Le graphe de x 7−→ af (x) se déduit du graphe de f par une affinité d’axe invariant Ox et de
coefficient a, i.e par la transformation (x, y) 7−→ (x, ay).
3 Trigonométrie hyperbolique
Définition. On définit les fonctions usuelles suivantes :
1
12
Semaine 3 : Résumé de cours 4 Applications trigonométriques réciproques
ex + e−x
— cosinus hyperbolique : ∀x ∈ R, chx = ,
2
ex − e−x
— sinus hyperbolique : ∀x ∈ R, shx = ,
2
shx ex − e−x e2x − 1
— tangente hyperbolique : ∀x ∈ R, thx = = x −x
= 2x .
chx e +e e +1
Propriété. Les fonctions sh, ch et th sont de classe C ∞ sur R et
ch0 = sh, sh0 = ch, th0 (x) = 1 − th2 x = 12 .
ch x
Il faut connaı̂tre les graphes de sh, ch et th.
Toute formule de la trigonométrie circulaire est associée avec une formule duale de la trigonométrie
hyperbolique. Cependant, le programme officiel se limite à la formule suivante :
Formule : ∀x ∈ R, ch2 x − sh2 x = 1.
Mais il n’est pas interdit de connaı̂tre quelques formules de trigonométrie hyperbolique :
— ch(a + b) = cha.chb + sha.shb,
— sh(a + b) = sha.chb + cha.shb,
ch(2a) + 1 ch(2a) − 1
— ch2 a = , sh2 a = ≥ 0.
2 2
4 Applications trigonométriques réciproques

Les graphes des fonctions usuelles de ce chapitre sont à connaı̂tre.
4.1 Trigonométrie circulaire

π π
La fonction arcsin : l’application sin : [− , ] −→ [−1, 1] est surjective, continue et strictement
2 2
π π
croissante. On note arcsin son application réciproque, de [−1, 1] dans [− , ]. Elle est continue,
2 2
impaire et strictement croissante sur [−1, 1].
π π
La restriction de sin à ] − , [ est un C ∞ -difféomorphisme sur ] − 1, 1[, dont le C ∞ -difféomorphisme
2 2
réciproque est la restriction de arcsin à ] − 1, 1[.
Pour tout x ∈] − 1, 1[, arcsin0 (x) = √1−x
1
2
.
La fonction arccos : l’application cos : [0, π] −→ [−1, 1] est surjective, continue et strictement
décroissante. On note arccos son application réciproque, de [−1, 1] dans [0, π]. Elle est continue et
strictement décroissante sur [−1, 1].
La restriction de cos à ]0, π[ est un C ∞ -difféomorphisme sur ] − 1, 1[, dont le C ∞ -difféomorphisme
réciproque est la restriction de arccos à ] − 1, 1[.
−1
Pour tout x ∈] − 1, 1[, arccos0 (x) = √1−x 2
.
Propriété. ∀t ∈ [−1, 1] cos(arccost) = t et sin(arcsin t) = t, mais en général, arccos(cos t) 6= t.

Plus précisément, arccos(cos t) = t ⇐⇒ t ∈ [0, π].
Ainsi, lorsque t ∈
/ [0, π], arccos(cos t) = t0 où t0 ∈ [0, π] et cos t = cos t0 .
π π
La fonction arctan : l’application tan :] − , [−→ R est un C ∞ -difféomorphisme strictement
2 2
croissant, dont le C ∞ -difféomorphisme réciproque est noté.
1
Pour tout x ∈ R, arctan0 (x) = .
1 + x2

13
Semaine 3 : Résumé de cours 5 Calculs d’intégrales
4.2 Trigonométrie hyperbolique

Les fonctions réciproques des fonctions ch, sh et th ne sont pas au programme.
La fonction argsh : sh est un C ∞ -difféomorphisme de R dans R, dont le difféomorphisme réciproque
est noté argsh (“argument sinus hyperbolique”). Ainsi argsh est une application C ∞ , impaire, stric-
1
tement croissante. argsh0 (x) = √ .
1 + x2 √
A savoir établir : Pour tout x ∈ R, argshx = ln(x + 1 + x2 ).
La fonction argch : L’application ch est une bijection continue strictement croissante de R+ dans
[1, +∞[. Son application réciproque est notée argch. C’est une bijection continue strictement croissante
de [1, +∞[ dans R+ .
ch est un C ∞ -difféomorphisme de R∗+ dans ]1, +∞[, donc argch est C ∞ sur ]1, +∞[.
1 √
argch0 (x) = √ . Pour tout x ∈ [1, +∞[, argchx = ln(x + x2 − 1).
x2 − 1
La fonction argth : th est un C ∞ -difféomorphisme de R dans ] − 1, 1[, dont le difféomorphisme
réciproque est noté argth Ainsi argth est une application C ∞ , impaire, strictement croissante de
1 1 1 + x
] − 1, 1[ dans R. argth0 (x) = . Pour tout x ∈] − 1, 1[, argthx = ln .
1 − x2 2 1−x
5 Calculs d’intégrales
5.1 Changement de variables
Théorème. On suppose que f est une application continue d’un intervalle I dans R,
et que ϕ est une application de classe C 1 d’un intervalle J dans I. Alors,
Z β Z ϕ(β)
2 0
∀(α, β) ∈ J f (ϕ(t))ϕ (t)dt = f (x)dx. (1)
α ϕ(α)
Lorsque l’on remplace un membre de cette égalité par l’autre, on dit que l’on effectue le changement
de variable x = ϕ(t).
Démonstration à connaı̂tre.
Propriété. Soit a ∈Z R∗+ et soit f une
Z a application continue sur [−a,
Z a a].
a
Si f est paire, alors f (t) dt = 2 f (t) dt. Si f est impaire, f (t) dt = 0.
−a 0 −a
Théorème. Soit T ∈ R∗+ .

On suppose que f est une fonction continue et T -périodique définie sur R.
Z T Z T +t0
Alors, ∀t0 ∈ R f (t) dt = f (t) dt.
0 t0
5.2 Intégration par parties
Théorème. Soit u : I −→ R et v : I −→ R deux applications de classe C 1 sur I.

Z b Z b
0
2
Pour tout (a, b) ∈ I , b
u(t)v (t) dt = [u(t)v(t)]a − u0 (t)v(t) dt.
a a
Théorème.
Z Soit u : I −→ R et vZ: I −→ R deux applications de classe C 1 sur I.
Alors, u(t)v 0 (t) dt = u(t)v(t) − u0 (t)v(t) dt, t ∈ I.

14
Semaine 4 – Ensembles, quantificateurs, opérations ensemblistes, logique.
1 Fondations
1.1 Ensembles et éléments
Axiome d’extensionnalité : Si E et F sont deux ensembles, alors
E = F si et seulement si pour tout x ∈ E, x ∈ F et pour tout x ∈ F , x ∈ E.
Définition. {a} est un singleton.
Lorsque a 6= b, {a, b} est appelé une paire.
Définition. Un prédicat P sur un ensemble E est une application de E dans {V, F }, où V symbolise
le vrai et F le faux.
Définition d’un ensemble en compréhension : Si E est un ensemble et P un prédicat sur E,
alors F = {x ∈ E/P (x)} est un ensemble.
De plus, pour tout x ∈ E, x ∈ F ⇐⇒ P (x).
Le paradoxe de Russell :
Notons A la collection de tous les ensembles et posons B = {x ∈ A/x ∈ / x}. Alors B ∈ B si et
seulement si B ∈
/ B, ce qui est impossible. Cela signifie que A n’est pas un ensemble !
À connaı̂tre.
1.2 Quantificateurs
Définition du quantificateur universel :
Soit E un ensemble et P un prédicat sur E. La propriété “∀x ∈ E, P (x)” signifie que pour tous les
éléments x de E, P (x) est vraie, c’est-à-dire que {x ∈ E/P (x)} est égal à E.
Définition du quantificateur existentiel :
Avec les mêmes notations, la propriété “∃x ∈ E, P (x)” signifie qu’il existe au moins un x ∈ E tel
que P (x) est vraie, c’est-à-dire que {x ∈ E/P (x)} =
6 ∅.
Existence et unicité : La propriété “∃!x ∈ E, P (x)” signifie qu’il existe un unique x ∈ E tel que
P (x) est vraie, c’est-à-dire que {x ∈ E/P (x)} est un singleton.
Remarque. L’emploi des quantificateurs en guise d’abréviations est exclu : l’usage d’un “∀x” est
toujours suivi d’un “∈ E, P (x)” (ou plus rarement d’un “, P (x)”), où P est un prédicat sur E.
Remarque. Soit P un prédicat sur un ensemble E. Alors dans les phrases
“∀x ∈ E, P (x)” et “∃x ∈ E, P (x)”, on peut remplacer la variable x par y, ou n’importe quel autre
symbole. On dit que, dans les phrases “∀x ∈ E, P (x)” et “∃x ∈ E, P (x)”, x est une variable muette
ou bien que c’est une variable liée.
Dans la propriété “∃y ∈ R, x = y 2 ”, y est une variable liée, et par opposition, on dit que x est une
variable libre.
1
15
Semaine 4 : Résumé de cours 1 Fondations
1.3 Parties d’un ensemble
Définition. Soit E et F deux ensembles.

On dit que F est inclus dans E et l’on note F ⊂ E si et seulement si tout élément de F est un élément
de E, c’est-à-dire si et seulement si ∀x ∈ F, x ∈ E.
Transitivité de l’inclusion : Si A ⊂ B et B ⊂ C, alors A ⊂ C.
Définition. Si E est un ensemble, on note P(E) l’ensemble de ses parties.
1.4 Opérateurs sur les ensembles
Définition. Soit E et F deux ensembles :

— Intersection : x ∈ E ∩ F si et seulement si (x ∈ E et x ∈ F ).
— Réunion : x ∈ E ∪ F si et seulement si (x ∈ E ou x ∈ F ).
— Différence ensembliste : E \ F = {x ∈ E/x ∈ / F }.
— Différence symétrique : E∆F = (E \ F ) ∪ (F \ E) = (E ∪ F ) \ (E ∩ F ).
— Complémentaire de F dans E : Si F est une partie de E, le complémentaire de F dans E
est F = E \ F , que l’on note plus rarement {F
E.
Propriété. Si F et G sont deux parties d’un ensemble E, alors F \ G = F ∩ G.

Propriété. Associativité de l’intersection et de la réunion : Soit A, B, C trois ensembles.
Alors, A ∩ (B ∩ C) = (A ∩ B) ∩ C et A ∪ (B ∪ C) = (A ∪ B) ∪ C.
[ \
Définition. Soit I un ensemble et (Ei )i∈I une famille d’ensembles. On définit Ei et Ei par :
i∈I i∈I
[ \
x∈ Ei ⇐⇒ (∃i ∈ I, x ∈ Ei ) et x ∈ Ei ⇐⇒ (∀i ∈ I, x ∈ Ei ).
i∈I i∈I
Cette dernière définition n’est pas correcte lorsque I = ∅.
Distributivité de l’intersection par rapport
[ à la
[ réunion :
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C). A∩ Bi = (A ∩ Bi ).
i∈I i∈I
Distributivité de la réunion par rapport
\ à l’intersection
\ :
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C). A∪ Bi = (A ∪ Bi ) (avec I 6= ∅).
i∈I i∈I
Notation. Soit (Ei )i∈I une famille d’ensembles deux à deux disjoints, c’est-à-dire telle que, pour
j ∈ I avec i 6= j, Ei ∩ Ej = ∅.
tout i,[ G
Alors Ei est appelée une réunion disjointe et elle est notée Ei .
i∈I i∈I
1.5 L’ensemble N des entiers naturels

On admet qu’il existe un ensemble, noté N, satisfaisant les axiomes de Peano suivants :
— N est muni d’un élément particulier noté 0 et d’une application “successeur”, notée s de N dans
N.
— 0 n’est le successeur d’aucun entier : ∀n ∈ N, s(n) 6= 0.
— s est une application injective : pour tout n, m ∈ N, si s(n) = s(m), alors n = m.
— Pour toute partie F de N, si 0 ∈ F et si pour tout n ∈ F , s(n) ∈ F , alors F = N.
Principe de récurrence : Soit R(n) un prédicat sur N.
Si R(0) est vraie et si pour tout n ∈ N, R(n) implique R(s(n)),
alors pour tout n ∈ N, R(n) est vraie.

16
Semaine 4 : Résumé de cours 2 Formules propositionnelles
Addition entre entiers : Pour tout m ∈ N, on pose

0 + m = m et
∀n ∈ N, s(n) + m = s(n + m).
Ces conditions définissent l’addition entre entiers.
Propriétés de l’addition :
— 0 est neutre : ∀m ∈ N, m + 0 = 0 + m = m.
— Associativité : ∀n, m, k ∈ N, (n + m) + k = n + (m + k).
— Commutativité : ∀n, m ∈ N, n + m = m + n.
1.6 Produit cartésien

Définition. Si a et b sont deux objets, posons (a, b) = {{a}, {a, b}}. On l’appellera le “couple de
composantes a et b”. Alors, (a, b) = (c, d) si et seulement si a = c et b = d.
Définition. Si A et B sont deux ensembles, on pose A × B = {(a, b)/a ∈ A et b ∈ B}.
A × B s’appelle le produit cartésien de A et B.
Définition. Un couple est aussi un 2-uplet. Pour n ≥ 3, on définit récursivement la notion de n-uplet
(ou n-liste) en écrivant : (a1 , . . . , an ) = ((a1 , . . . , an−1 ), an ).
Alors, (a1 , . . . , an ) = (b1 , . . . , bn ) si et seulement si ∀i ∈ {1, . . . , n}, ai = bi .
Notation. N∗ désigne N \ {0}.
Définition. Soit n ∈ N∗ . Si A1 , . . . , An sont n ensembles, on pose
A1 × · · · × An = {(a1 , . . . , an )/∀i ∈ {1, . . . , n}, ai ∈ Ai }.
Si E est un ensemble, on note E n = E × · · · × E .
| {z }
nf ois
Remarque. Convention, lorsque n = 1, le “1-uplet” (a) est égal à a.

Avec cette convention, E 1 = E.
Commutativité de deux quantificateurs universels :
Soit E et F deux ensembles. Notons P (x, y) un prédicat défini sur E × F . Alors
[∀(x, y) ∈ E × F, P (x, y)] ⇐⇒ [∀x ∈ E, ∀y ∈ F, P (x, y)]
⇐⇒ [∀y ∈ F, ∀x ∈ E, P (x, y)]
Commutativité de deux quantificateurs existentiels :De même,
[∃(x, y) ∈ E × F, P (x, y)] ⇐⇒ [∃x ∈ E, ∃y ∈ F, P (x, y)]
⇐⇒ [∃y ∈ F, ∃x ∈ E, P (x, y)]
ATTENTION :
Un quantificateur universel ne commute pas avec un quantificateur existentiel.
“∀x ∈ E, ∃y ∈ F, P (x, y)” si et seulement si il existe une application
x 7−→ y(x) de E dans F tel que, pour tout x ∈ E, P (x, y(x)),
et “∃y ∈ F, ∀x ∈ E, P (x, y)” si et seulement si il existe une application constante
x 7−→ y0 de E dans F , telle que pour tout x ∈ E, P (x, y0 ).
On voit qu’en général, la seconde affirmation implique la première mais que la réciproque est fausse.
2 Formules propositionnelles
2.1 Syntaxe
Définition par induction des formules propositionnelles : on part d’un ensemble V dont les
éléments sont appelés des variables propositionnelles. On utilise également les “connecteurs logiques”
suivants : ∧, ∨, =⇒, ⇐⇒, ¬.
L’ensemble F des formules propositionnelles est défini par induction structurelle :

17
— Les variables propositionnelles sont des formules propositionnelles.

— si P, Q ∈ F , alors (P ∧ Q), (P ∨ Q), (P =⇒ Q), (P ⇐⇒ Q) et ¬P sont aussi des formules
propositionnelles.
Plus précisément, si l’on note F0 = V, et pour tout n ∈ N, [
Fn+1 = Fn ∪ {¬P/P ∈ Fn } ∪ {(P αQ)/P, Q ∈ Fn et α ∈ {∧, ∨, =⇒, ⇐⇒}}, alors F = Fn .
n∈N
Remarque. Une formule propositionnelle s’appelle aussi une proposition, une assertion, une formule,
un énoncé, une expression booléenne, etc.
Définition. Si P et Q sont deux formules propositionnelles, P ∧ Q (prononcer “P et Q”) s’appelle la
conjonction de P et de Q, P ∨ Q (prononcer “P ou Q”) s’appelle la disjonction de P et de Q, P =⇒ Q
s’appelle une implication, P ⇐⇒ Q est une équivalence, et ¬P est la négation de la proposition P .
2.2 Sémantique
Définition. Une distribution de valeurs de vérité sur l’ensemble V des variables propositionnelles est
une application de V dans l’ensemble {V, F }.
Définition. Soit v une distribution de valeurs de vérité sur l’ensemble V. On prolonge v sur l’ensemble
des formules propositionnelles construites à partir de V de la manière suivante : pour toutes formules
propositionnelles P et Q,
— v(P ∧ Q) = 1 si et seulement si v(P ) = v(Q) = 1.
— v(P ∨ Q) = 1 si et seulement si v(P ) = 1 ou v(Q) = 1.
— v(P =⇒ Q) = 0 si et seulement si v(P ) = 1 et v(Q) = 0.
— v(P ⇐⇒ Q) = 1 si et seulement si v(P ) = v(Q).
— v(¬P ) = 1 si et seulement si v(P ) = 0.
Définition. La définition précédente est équivalente à la donnée des “tables de vérité” des connecteurs
logiques ∧, ∨, =⇒, ⇐⇒ et ¬ :
P Q P ∧ Q P ∨ Q P =⇒ Q
V V V V V
V F F V F
F V F V V
F F F F V
Définition. Lorsque P =⇒ Q, on dit que P est une condition suffisante pour Q et que Q est une
condition nécessaire pour P .
Lorsque P ⇐⇒ Q, on dit que P est une condition nécessaire et suffisante pour Q.
Définition. Une tautologie est une formule propositionnelle qui est toujours vraie, quelle que soit la
distribution de valeurs de vérité des variables propositionnelles qui interviennent dans la formule.
Exemple. Quelques tautologies à connaı̂tre ( A, B, C désignent des formules propositionnelles quel-
conques) :
1. (A ∨ (B ∨ C)) ⇐⇒ ((A ∨ B) ∨ C) : associativité de ∨ (∧ est aussi associatif),
2. (A ∧ (B ∨ C)) ⇐⇒ ((A ∧ B) ∨ (A ∧ C)) : distributivité de ∧ par rapport à ∨,
3. (A ∨ (B ∧ C)) ⇐⇒ ((A ∨ B) ∧ (A ∨ C)) : distributivité de ∨ par rapport à ∧,
4. (A ∧ (A ∨ B)) ⇐⇒ A : première loi d’absorption,
5. ((A ∨ (A ∧ B)) ⇐⇒ A seconde loi d’absorption,
6. (¬(A ∨ B)) ⇐⇒ (¬A ∧ ¬B) : loi de Morgan,
7. (¬(A ∧ B)) ⇐⇒ (¬A ∨ ¬B) : loi de Morgan,
8. (A =⇒ B) ⇐⇒ (¬A) ∨ B (une définition de l’implication),

18
9. ¬(A =⇒ B) ⇐⇒ A ∧ (¬B),
10. (A =⇒ B) ⇐⇒ (¬B =⇒ ¬A) : contraposition.
11. ((A =⇒ B) ∧ (B =⇒ C)) =⇒ (A =⇒ C) (règle du modus ponens).
Définition. On dit que deux propositions P et Q sont logiquement équivalentes si et seulement si la
proposition P ⇐⇒ Q est une tautologie. On notera alors P ≡ Q
Ainsi, lorsque l’on ne s’intéresse qu’à la valeur booléenne des propositions, on peut remplacer toute
proposition par une proposition qui lui est logiquement équivalente.
Exemple. (A ∧ (B ∨ C)) ≡ ((A ∧ B) ∨ (A ∧ C)).
¬(A =⇒ B) ≡ A ∧ ¬B et A =⇒ B ≡ ¬A ∨ B.
Définition. La contraposée de l’implication A =⇒ B est égale à ¬B =⇒ ¬A.
Toute implication est logiquement équivalente à sa contraposée.
2.3 Négation d’une proposition

¬(A ∨ B) est logiquement équivalente à (¬A) ∧ (¬B),
¬(A ∧ B) est logiquement équivalente à (¬A) ∨ (¬B).
¬(¬A) est logiquement équivalente à A.
¬(A =⇒ B) est logiquement équivalente à A ∧ (¬B).
Une équivalence est la conjonction de deux implications, donc
¬(A ⇐⇒ B) est logiquement équivalente à [¬(A =⇒ B)] ∨ [¬(B =⇒ A)].
Propriété. Soit P un prédicat sur un ensemble E.
¬[∀x ∈ E, P (x)] ⇐⇒ [∃x ∈ E, ¬P (x)]
et ¬[∃x ∈ E, P (x)] ⇐⇒ [∀x ∈ E, ¬P (x)].
Exemple. Savoir nier qu’une suite (xn )n∈N de réels converge vers 0 :
¬[∀ε > 0, ∃N ∈ N, ∀n ∈ N, [n ≥ N =⇒ |xn | ≤ ε]] ≡ · · ·.
Propriété. Soit A et B deux ensembles de E.
Soit (Ei )i∈I une famille de parties de E, avec I 6= ∅. Alors,
— A = A, A ∪ B = A ∩ B, A ∩ B = A ∪ B,
— A ⊂ B ⇐⇒ B ⊂ A,
\ [ [ \
— Ei = Ei , , Ei = Ei .
i∈I i∈I i∈I i∈I

19
Semaine 5 – Relations binaires, d’ordre, ordre naturel, minimum et max dans N, relations d’équivalence
1 Relations binaires
1.1 Définitions
Définition. Une relation binaire R sur E × F est une partie de E × F , mais on notera “xRy” au
lieu de “(x, y) ∈ R”. Le graphe de R est {(x, y) ∈ E × F/xRy}, donc le graphe de R est . . . égal à R.
Définition. Lorsque E = F , on dit que
— R est réflexive si et seulement si ∀x ∈ E, xRx,
— R est symétrique si et seulement si ∀x, y ∈ E, (xRy) =⇒ (yRx),
— R est antisymétrique si et seulement si ∀x, y ∈ E, [(xRy) ∧ (yRx) =⇒ x = y],
— et R est transitive si et seulement si ∀x, y, z ∈ E, [(xRy) ∧ (yRz) =⇒ (xRz)].
1.2 Relations d’ordre

Définition. Une relation binaire R sur un ensemble E est appelée une relation d’ordre si et seulement
si R est réflexive, antisymétrique et transitive.
Exemple. Si A est un ensemble, la relation d’inclusion est une relation d’ordre sur P(A).
Définition. Une relation d’ordre R sur un ensemble E est totale si et seulement si pour tout couple
(x, y) de E 2 , x et y sont comparables, c’est-à-dire (xRy) ∨ (yRx). Sinon, on dit que l’ordre est partiel.
Exemple. La relation d’inclusion sur P(A) n’est pas totale dès que A possède plus de deux éléments.
Définition. Soit F une partie de E et m ∈ E. On dit que m est un majorant de F si et seulement
si pour tout a ∈ F , a m. On définit de même la notion de minorant d’une partie de E.
On dit qu’une partie est majorée si et seulement si elle possède au moins un majorant.
On dit qu’une partie est minorée si et seulement si elle possède au moins un minorant.
On dit qu’une partie est bornée si et seulement si elle est majorée et minorée.
Définition. Si F est une partie de E et m ∈ E, on dit que m est le maximum de F si et seulement
si m majore F et m ∈ F . On le note max(F ). On défnit de même le minimum de F .
Définition. La borne supérieure de F est le minimum de l’ensemble des majorants (lorsqu’il existe).
On le note sup(F ). La borne inférieure de F est le maximum de l’ensemble des minorants (lorsqu’il
existe). On le note inf(F ).
Définition. Soit F une partie de E et m un élément de F .
m est maximal dans F si et seulement si ∀x ∈ F (x m =⇒ x = m), i.e ∀x ∈ F, ¬(x m).
m est minimal dans F si et seulement si ∀x ∈ F (x m =⇒ x = m), i.e ∀x ∈ F, ¬(x ≺ m).
Propriété. Lorsque la relation d’ordre est totale, toute partie F de E possède au plus un élément
maximal et dans ce cas, c’est le maximum de F . Idem avec minimal et minimum.
Exercice. Si E est un ensemble fini et non vide, pour tout ordre défini sur E, montrer que E
possède au moins un élément minimal.
A connaı̂tre.
1
20
Semaine 5 : Résumé de cours 1 Relations binaires
1.3 L’ordre naturel et la soustraction

L’ordre naturel : Pour tout n, m ∈ N,
on convient que n ≤ m si et seulement si ∃k ∈ N, m = n + k.
Dans ce cas, k est unique. On le note k = m − n.
La relation binaire ≤ ainsi définie est un ordre total sur N.
Définition. On vient de montrer que, si n est un entier naturel,
pour tout h, k ∈ N, n + h = n + k implique h = k. On dit que n est régulier.
Propriété. Soit m, n ∈ N. Si m < n, alors m + 1 ≤ n.
1.4 Multiplication dans N et relation de divisibilité

Multiplication entre entiers : Pour tout m ∈ N, on pose
0 × m = 0 et ∀n ∈ N, s(n) × m = n × m + m.
Ces conditions définissent l’addition entre entiers.
Propriétés de la multiplication :
— 0 est absorbant : ∀m ∈ N, m × 0 = 0 × m = 0.
— 1 est neutre : ∀m ∈ N, m × 1 = 1 × m = m.
— Distributivité de la multiplication par rapport à l’addition :
∀n, m, p ∈ N, n(m + p) = (nm) + (np) = nm + np : les dernières parenthèses sont inutiles si
l’on convient que la multiplication est prioritaire devant l’addition.
— Associativité : ∀n, m, k ∈ N, (n × m) × k = n × (m × k).
— Commutativité : ∀n, m ∈ N, n × m = m × n.
La relation d’ordre est compatible avec la multiplication :
Pour tout a, b, c, d ∈ N, si a ≤ b et c ≤ d, alors ac ≤ bd.
Propriété. Soit n, k ∈ N.
Si nk = 0, alors n = 0 ou k = 0.
Si nk = 1, alors n = k = 1.
Définition. Soit n, m ∈ N. On dit que n divise m, que n est un diviseur de m, ou encore que m est
un multiple de n si et seulement si il existe k ∈ N tel que m = kn. On note n|m.
Remarque. Tout entier divise 0 mais 0 ne divise que lui-même.
Définition. un nombre premier est un entier n supérieur à 2 dont les seuls diviseurs sont 1 et n.
Propriété. La relation de divisibilité est une relation d’ordre partiel sur N.
1.5 Maximum et minimum dans N
Propriété. Toute partie non vide et majorée de N possède un maximum.

Propriété. Soit a, b ∈ N avec b 6= 0. Il existe un unique couple (q, r) ∈ N2 tel que a = bq + r et
0 ≤ r < b. On dit que q et r sont le quotient et le reste de la division euclidienne de a par b.
Propriété. Toute partie non vide de N possède un minimum.

21
Semaine 5 : Résumé de cours 1 Relations binaires
Remarque. Un ensemble ordonné dont toute partie non vide possède un plus petit élément est
appelé un ensemble bien ordonné.
Principe de la descente infinie : pour montrer que “∀n ∈ N, R(n)”, une alternative à la récurrence
est de raisonner par l’absurde en supposant qu’il existe n ∈ N tel que ¬[R(n)]. Ainsi, l’ensemble
F = {n ∈ N/¬R(n)} possède un minimum n0 . On peut parfois aboutir à une contradiction en
construisant un entier vérifiant m < n0 et m ∈ F .
1.6 Relations d’équivalence
Définition. Une relation binaire sur un ensemble E est une relation d’équivalence si et seulement si
R est réflexive, symétrique et transitive.
Exemple fondamental : Soit E et F deux ensembles et f : E −→ F une application.
Convenons que, pour tout x, y ∈ E, x R y ⇐⇒ f (x) = f (y).
Alors R est une relation d’équivalence sur E.
Définition. Soit R une relation d’équivalence sur E.
Si x ∈ E, on note x l’ensemble des y ∈ E tels que xRy.
x s’appelle la classe d’équivalence de x.
On désigne par E/R l’ensemble des classes d’équivalence : E/R = {x/x ∈ E}.
E/R s’appelle l’ensemble quotient de E par R.
Propriété. pour tout x, y ∈ E, xRy ⇐⇒ x = y.
Définition. Une partition P de E est une partie de P(E) telle que :
— pour tout A, B ∈ P, A 6= B =⇒ A ∩ B = ∅,
— pour [tout A ∈ P, A 6= ∅,
— et A = E.
A∈P
Théorème. Si R est une relation d’équivalence sur E, son ensemble quotient E/R est une partition
de E. Réciproquement, si P est une partition de E, il existe une unique relation d’équivalence R sur
E telle que P = E/R : Elle est définie par ∀x, y ∈ E, [xRy ⇐⇒ (∃C ∈ P, x, y ∈ C)]. En résumé, la
donnée d’une relation d’équivalence sur E est équivalente à la donnée d’une partition de E.
Il faut savoir démontrer la première phrase.

22
Semaine 6 – Axiome du choix, construction de Z, ordre, anneau et sous-groupes de Z, arithmétique
1 Axiome du choix
En voici deux énoncés équivalents.
— Pour tout ensemble I, pour toute famille (Ei )i∈I d’ensembles tous non vides, il existe une
famille (xi )i∈I telle que, pour tout i ∈ I, xi ∈ Ei .
— Pour tout ensemble E, pour toute relation d’équivalence sur E, il existe un ensemble R tel que
l’intersection de R avec chaque classe d’équivalence est un singleton.
2 L’art de la démonstration
La structure d’une démonstration se construit avant tout en fonction de la structure de la propriété
à démontrer. En conséquence, on regarde d’abord la cible à atteindre et seulement lorsque c’est
nécessaire les hypothèses dont on dispose pour y parvenir. On ne sait pas a priori sous quelles formes
ces hypothèses seront utilisées.
2.1 Démontrer une disjonction

Pour montrer P ∨ Q, on peut supposer que P est fausse et démontrer Q, ou bien supposer que Q est
fausse et montrer P .
2.2 Démonstration par disjonction de cas

Pour démontrer une propriété dépendant de certains paramètres, on peut être amené à étudier plu-
sieurs cas selon les valeurs de ces paramètres. Il importe que la réunion des différents cas étudiés
recouvre toutes les valeurs possibles des paramètres.
2.3 Résoudre une équation
Définition. Si P est un prédicat sur un ensemble E, “résoudre l’équation P(x), en l’inconnue x ∈ E”,
c’est calculer {x ∈ E/P (x)} qu’on appelle alors l’ensemble des solutions de l’équation.
“calculer” signifie “donner l’ensemble des solutions sous la forme la plus simple possible”.
Remarque. La plupart des équations sont de la forme “f (x) = g(x)”, où f et g sont deux applications
de E dans un autre ensemble F .
Lorsque F = R, on rencontre parfois des équations de la forme “f (x) ≤ g(x)”, ou “f (x) < g(x)”.
Dans ce cas, on parle plutôt d’inéquations.
Méthode :
— Précisez d’abord pour quelles valeurs x ∈ E l’équation a bien un sens. Par exemple, pour une
équation de la forme “f (x) = g(x)”, il faudra d’abord rechercher les domaines de défnition de
f et de g.
1
23
Semaine 6 : Résumé de cours 2 L’art de la démonstration
— Autant que possible, raisonnez par équivalence comme dans l’exemple précédent.
Cependant le fait de raisonner par équivalence impose parfois trop de lourdeur à la rédaction.
Lorsqu’on choisit de raisonner par implication, après avoir montré que P (x) =⇒ x ∈ S, pour un
certaine partie S de E, il restera à rechercher quels sont les éléments de S qui sont effectivement
solutions.
2.4 Implication
Pour montrer [P =⇒ Q], on suppose que P est vraie (hypothèse supplémentaire) et on démontre Q.
Raisonnement par contraposition : l’implication P =⇒ Q est logiquement équivalente à
(¬Q) =⇒ (¬P ), qui est appelée sa contraposée. Ainsi, pour démontrer P =⇒ Q, on peut raisonner par
contraposition, c’est-à-dire démontrer (¬Q) =⇒ (¬P ) : on suppose que Q est fausse et on démontre
que P est fausse.
Le raisonnement par l’absurde : cela consiste à supposer que R est fausse et à aboutir à une
contradiction, souvent de la forme S ∧ (¬S).
Pour montrer que [P ⇐⇒ Q], on montre souvent [P =⇒ Q] puis la réciproque [Q =⇒ P ].
Dans des cas simples, on peut raisonner par une succession d’équivalences.
Pour montrer que les propriétés P1 , . . . , Pk sont équivalentes, on peut se contenter de montrer le cycle
d’implications P1 =⇒ P2 =⇒ · · · =⇒ Pk =⇒ P1 . Mais la liste P1 , . . . , Pk n’est pas toujours donnée
dans l’ordre idéal. Il convient donc parfois de la réordonner.
2.5 Quantificateurs
Pour montrer que [∀x ∈ E, P (x)], le plus souvent, on prend x quelconque dans E,
en écrivant “soit x ∈ E”, puis on démontre P (x).
Pour montrer que [∃x ∈ E, P (x)], la méthode directe consiste à construire un élément x de E
satisfaisant P (x).
On peut aussi raisonner par l’absurde, en supposant que [∀x ∈ E, ¬(P (x))] et en recherchant une
contradiction. Il faut cependant que cette nouvelle hypothèse se marie bien avec les autres hypothèses.
Pour montrer que ¬(∀x ∈ E, P (x)), on peut rechercher un x dans E tel que P (x) est fausse. Dans
ce contexte, x est appelé un contre-exemple du prédicat P (x).
2.6 Existence et unicité

Comment montrer une propriété de la forme [∃!x ∈ E, P (x)] ?
Dans de nombreux exercices et problèmes, l’énoncé d’une telle propriété se présente sous la forme :
“montrer qu’il existe x ∈ E tel que P (x), puis montrer que x est unique”.
Sur le plan ontologique, tout objet mathématique est unique, mais ce n’est pas du tout ce qui est
demandé par l’énoncé. La propriété “x est unique” dépend de P .
En mathématiques, l’unicité est toujours prononcée relativement à un prédicat. Par exemple, 2 est
l’unique entier premier et pair, mais 2 n’est pas l’unique entier pair inférieur à 10.
Pour montrer qu’il existe un unique x ∈ E tel que P (x), il est souvent préférable de séparer l’existence
et l’unicité. Pour l’unicité, il faut montrer que {x ∈ E/P (x)} ne possède pas deux éléments distincts,
par exemple en supposant qu’il existe x, y ∈ E vérifiant P (x) et P (y) et en prouvant que x = y.
Mais il y a d’autres méthodes :
— On peut montrer que {x ∈ E/P (x)} est un singleton.
— On peut résoudre l’équation “P (x)” en l’inconnue x pour montrer qu’elle admet une seule
solution.
— On peut raisonner par analyse-synthèse :

24
Semaine 6 : Résumé de cours 3 Z
2.7 Démonstration par analyse-synthèse

Ce mode de raisonnement est envisageable lorsque la propriété à démontrer est de la forme
[∃x ∈ E, P (x)]. Il se décompose en deux parties :
L’analyse : on suppose qu’il existe x ∈ E tel que P (x).
C’est a priori très étrange, car on suppose justement ce qu’il faut démontrer !
A partir du fait que x vérifie x ∈ E et P (x), on cherche à préciser quelles sont les valeurs possibles
pour x,.
Il est fréquent que l’analyse conduise à une seule valeur possible pour x.
La synthèse : Parmi ces différentes valeurs possibles, on en recherche une qui vérifie P (x).
2.8 Démonstrations par récurrence

Principe de récurrence :
Soit n0 ∈ N∗ . Soit R(n) un prédicat défini pour tout entier n ≥ n0 .
Si R(n0 ) est vraie et si pour tout n ≥ n0 , R(n) implique R(n + 1),
alors pour tout n ∈ N tel que n ≥ n0 , R(n) est vraie.
Principe de récurrence ascendante finie : Soit n, m ∈ N avec n ≤ m.
Soit R(k) un prédicat défini pour k ∈ [[n, m]].
Si R(n) est vraie et si pour tout k ∈ [[n, m − 1]], R(k) implique R(k + 1),
alors R(k) est vraie pour tout k ∈ [[n, m]].
Principe de récurrence descendante finie : Soit n, m ∈ N avec n ≤ m.
Soit R(k) un prédicat défini pour k ∈ [[n, m]].
Si R(m) est vraie et si pour tout k ∈ [[n + 1, m]], R(k) implique R(k − 1),
alors R(k) est vraie pour tout k ∈ [[n, m]].
Principe de récurrence forte :
Soit n0 ∈ N. Soit R(n) un prédicat défini pour tout entier n ≥ n0 .
Si R(n0 ) est vraie et si pour tout n ≥ n0 , [∀k ∈ {n0 , . . . , n}, R(k)] implique R(n + 1),
Principe de récurrence double :
Soit n0 ∈ N. Soit R(n) un prédicat défini pour tout entier n ≥ n0 .
Si R(n0 ) et R(n0 + 1) sont vraies et si
pour tout n ≥ n0 , [R(n) ∧ R(n + 1)] implique R(n + 2),
3 Z
3.1 Construction de Z
Définition. Z = N2 /R, où R est la relation d’équivalence suivante sur N2 :

∀a, b, c, d ∈ N, (a, b)R(c, d) ⇐⇒ a + d = b + c.
∆
Si (a, b), (c, d) ∈ Z, on pose (a, b) + (c, d) = (a + c, b + d)
∆
et (a, b) × (c, d) = (ac + bd, ad + bc).

25
3.2 L’anneau Z
Propriété. L’addition sur Z vérifie les propriétés suivantes :

∆
— 0 = (0, 0) est neutre : ∀m ∈ Z, m + 0 = 0 + m = m.
— Associativité : ∀n, m, k ∈ Z, (n + m) + k = n + (m + k).
— Commutativité : ∀n, m ∈ Z, n + m = m + n.
— Tout élément possède un symétrique : ∀n ∈ Z, ∃m ∈ Z, n + m = 0.
On résume ces propriétés en disant que (Z, +) est un groupe commutatif.
Propriété. La multiplication sur Z vérifie les propriétés suivantes :
∆
— 1 = (1, 0) est neutre : ∀m ∈ Z, m × 1 = 1 × m = m.
— Distributivité de la multiplication par rapport à l’addition :
∀n, m, p ∈ Z, n(m + p) = nm + np.
— Associativité : ∀n, m, k ∈ Z, (n × m) × k = n × (m × k).
— Commutativité : ∀n, m ∈ Z, n × m = m × n.
On résume ces propriétés et le fait que (Z, +) est un groupe commutatif en disant que (Z, +, ×) est
un anneau commutatif.
3.3 L’ordre de Z
Compatibilité de la relation d’ordre avec l’addition :
∀x, y, x0 , y 0 ∈ Z, [x ≤ y] ∧ [x0 ≤ y 0 ] =⇒ x + x0 ≤ y + y 0 .
Identification de N avec une partie de Z : on identifie n ∈ N avec (n, 0).
Règle des signes :
— ∀n ∈ Z, n ≥ 0 ⇐⇒ n ∈ N.
— ∀n, m ∈ Z, ([n ≥ 0] ∧ [m ≥ 0]) =⇒ nm ≥ 0.
— ∀n ∈ Z, n ≥ 0 ⇐⇒ −n ≤ 0.
si a ≥ 0, x ≤ y =⇒ ax ≤ ay,
— ∀x, y, a ∈ Z,
si a ≤ 0, x ≤ y =⇒ ax ≥ ay.
Propriété. Toute partie non vide majorée de Z possède un maximum.
Toute partie non vide minorée de Z possède un minimum.
Définition. Soit n ∈ Z.
Le signe de n au sens large est
— 1 ou bien “positif” lorsque n ≥ 0,
— −1 ou bien “négatif” lorsque n ≤ 0.
Le signe de n au sens strict est
— 1 ou bien “strictement positif” lorsque n > 0,
— 0 ou bien “nul” lorsque n = 0,
— −1 ou bien “strictement négatif” lorsque n < 0.
Définition. Pour tout n ∈ Z, on note |n| = max{−n, n}.
Propriété. Pour tout n ∈ Z, n ≤ |n|, avec égalité si et seulement si n ≥ 0. De plus |n|2 = n2 .
Propriété. ∀n, m ∈ Z, |nm| = |n||m|.
Propriété. Z est un anneau intègre, c’est-à-dire que, pour tout n, m ∈ Z,
nm = 0 =⇒ [(n = 0) ∨ (m = 0)].
Remarque. Soit D une partie de R.
L’ensemble des applications de D dans R, noté F(D, R), muni de l’addition et du produit entre
fonctions, est un anneau. Les éléments neutres sont respectivement l’application identiquement nulle
et l’application constante égale à 1.

26
Cependant cet anneau n’est pas intègre car on peut avoir f g = 0 alors que f 6= 0 et g 6= 0.
Cet exemple est à connaı̂tre.
Propriété. Soit n, m ∈ Z2 . nm ≥ 0 si et seulement si n et m sont de même signe au sens large.
Propriété. Soit a, b, n ∈ Z tels que an ≤ bn. Si n > 0 alors a ≤ b et si n < 0, alors a ≥ b.
Inégalité triangulaire : ∀n, m ∈ Z, |n + m| ≤ |n| + |m|, avec égalité si et seulement si n et m sont
de même signe.
3.4 Les sous-groupes de Z

Division euclidienne dans Z : Pour tout a, b ∈ Z avec b 6= 0, il existe un unique couple (q, r) ∈ Z2
tel que a = bq + r et 0 ≤ r < |b|. q et r sont appelés les quotient et reste.
Définition. Une partie G de Z est un sous-groupe de Z si et seulement si
— G 6= ∅,
— ∀(x, y) ∈ G2 , x + y ∈ G,
— ∀x ∈ G, −x ∈ G.
Propriété. Soit G un sous-groupe de Z.
Pour tout n ∈ Z et g ∈ G, ng ∈ G.
Pour tout n ∈ G, nZ ⊂ G.
Corollaire. Soit G un sous-groupe de Z. Alors 1 ∈ G ⇐⇒ G = Z .
Théorème. Les sous-groupes de (Z, +) sont exactement les nZ, où n ∈ N.
Propriété. Une intersection de sous-groupes de Z est un sous-groupe de Z.
Définition. Soit B une partie de Z. Le groupe engendré par B est l’intersection des sous-groupes de
Z contenant B. C’est le plus petit sous-groupe contenant B. On le note Gr(B).
Propriété. Soient B et C deux parties de Z telles que C ⊂ B. Alors Gr(C) ⊂ Gr(B).
nX n o
Propriété. Gr(B) = ai bi /n ∈ N, (a1 , . . . , an ) ∈ Zn , (b1 , . . . , bn ) ∈ B n .
i=1
3.5 Divisibilité
Définition. Soit n, m ∈ Z. n|m si et seulement si il existe k ∈ Z tel que m = kn.

Propriété. Soit a, b ∈ Z avec b 6= 0. Alors b divise a si et seulement si le reste de la division
euclidienne de a par b vaut 0.
Remarque. Tout entier relatif divise 0 mais 0 ne divise que lui-même.
Remarque. Si n, m ∈ Z, n divise m si et seulement si |n| divise |m| dans N.
Propriété. Soit a, b, c ∈ Z.
— si b|a, alors pour tout α ∈ Z, b|αa.
— Si b | a et b | c, alors b | (a + c).
— Si b | a et d | c, alors bd | ac.
— si b | a, pour tout p ∈ N, bp | ap .

27
Propriété. Soit p ∈ N et b, a1 , . . . , ap , c1 , . . . , cp ∈ Z.
X p
Si pour tout i ∈ {1, . . . , p}, b | ai , alors b | ci ai .
i=1
Propriété. Pour tout (a, b) ∈ Z , a|b ⇐⇒ bZ ⊆ aZ.

2
Propriété. La relation de divisibilité est réflexive et transitive.

Remarque. La relation de divisibilité n’est pas un ordre sur Z car −1|1 et 1| − 1.
Définition. Soit a, b ∈ Z. On dit que a et b sont premiers entre eux (ou étrangers) si et seulement si
les seuls diviseurs communs de a et b sont 1 et −1.
Définition. Soit n ∈ N avec n ≥ 2 et a1 , . . . , an ∈ Z.
— a1 , . . . , an sont deux à deux premiers entre eux si et seulement si, pour tout i, j ∈ {1, . . . , n}
avec i 6= j, ai et aj sont premiers entre eux.
— a1 , . . . , an sont globalement premiers entre eux si et seulement si les seuls diviseurs communs
de a1 , . . . , an sont 1 et −1.
Propriété. Si p ∈ P et a ∈ Z, alors ou bien p|a, ou bien p et a sont premiers entre eux.
Propriété. Soit p ∈ N \ {0, 1}. Les propriétés suivantes sont équivalentes :
1. p est premier.
2. p est premier avec tout entier qu’il ne divise pas.
√
3. p est premier avec tout nombre premier contenu dans [[2, p]].
le crible d’Ératosthène : pour dresser la liste ordonnée des nombres premiers inférieurs à n, initia-
lement, on pose L = [[2, n]] et on positionne un curseur sur 2. On supprime de L les multiples de 2,
sauf 2, puis on déplace le curseur sur l’entier suivant de L : il s’agit de 3, car il n’a pas été supprimé.
On supprime de L tous les multiples de 3, sauf 3, etc. Ainsi, à chaque itération, on déplace le curseur
sur le premier entier suivant qui est encore dans L et l’on supprime de L tous les multiples√ du curseur,
sauf le curseur. On arrête l’algorithme dès que le curseur est strictement supérieur à n.
Théorème. P est de cardinal infini.
3.6 Congruence
Définition. Relation de congruence : Soit k ∈ Z. ∀n, m ∈ Z, n ≡ m [k] ⇐⇒ k|(n − m).

C’est la relation de congruence modulo k, qui est une relation d’équivalence.
Propriété. Soit a, b ∈ Z avec b 6= 0 : il existe r ∈ {0, . . . , |b| − 1} tel que a ≡ r [b].
r est le reste de la division euclidienne de a par b.
∆
Notation. La classe d’équivalence de n modulo k est n = {n + kh/h ∈ Z} = n + kZ.
Compatibilités de la congruence avec l’addition et la multiplication :

Pour tout n, m, h, k ∈ Z,
— n ≡ m [k] =⇒ h + n ≡ h + m [k] et
— n ≡ m [k] =⇒ hn ≡ hm [k].
Corollaire : ∀a, b, k ∈ Z, ∀n ∈ N, (a ≡ b [k] =⇒ an ≡ bn [k]).
Petit théorème de Fermat : (Admis pour le moment) Si p ∈ P et a ∈ Z,
(a 6≡ 0 [p]) =⇒ ap−1 ≡ 1 [p], donc dans tous les cas, ap ≡ a [p].

28
Définition. Soit x0 ∈ R. Pour tout x, y ∈ R, on dit que x est congru à y modulo x0 et on note
x ≡ y [x0 ] si et seulement si il existe k ∈ Z tel que x − y = kx0 . La relation de congruence modulo x0
est une relation d’équivalence sur R. Elle est compatible avec l’addition entre réels mais pas avec la
multiplication entre réels.
3.7 PGCD
Définition. Soit (a, b) ∈ Z2 . aZ + bZ est le sous-groupe de Z engendré par {a, b}, donc il existe un
unique d ∈ N tel que aZ+bZ = dZ. On dit que d est le PGCD de a et b. On note d = PGCD(a, b) = a∧b.
Propriété. Pour la relation d’ordre de divisibilité dans N, a ∧ b = inf | {|a|, |b|}.
Remarque. Lorsque a ou b est un entier relatif non nul, au sens de l’ordre naturel sur N, a ∧ b est
aussi le plus grand diviseur commun de a et b.
Propriété. a et b sont premiers entre eux si et seulement si a ∧ b = 1.
Définition. Plus généralement, si k ∈ N∗ et si a1 , . . . , ak ∈ Z, on dit que d est le PGCD de a1 , . . . , ak
si et seulement si d ∈ N et dZ = a1 Z + · · · + ak Z = Gr{a1 , . . . , ak }. Alors d = inf | {a1 , . . . , ak }.
Si B est une partie quelconque de Z, on dit que d est le PGCD de B si et seulement si d ∈ N et
dZ = Gr(B). Alors d = inf | (B).
Propriété. Soit k ∈ N, a1 , . . . , ak ∈ Z et h ∈ {1, . . . , k}.
— Commutativité du PGCD :
P GCD(a1 , . . . , ak ) ne dépend pas de l’ordre de a1 , . . . , ak .
— Associativité du PGCD :
P GCD(a1 , . . . , ak ) = P GCD(a1 , . . . , ah ) ∧ P GCD(ah+1 , . . . , ak ).
— Distributivité de la multiplication par rapport au PGCD : pour tout α ∈ Z,
P GCD(αa1 , . . . , αak ) = |α|P GCD(a1 , . . . , ak ).
3.8 PPCM
Définition. Soit (a, b) ∈ Z2 . aZ ∩ bZ est un sous-groupe de Z, donc il existe un unique entier naturel
m tel que aZ ∩ bZ = mZ. On dit que m est un PPCM de a et b et on note m = a ∨ b.
Propriété. Soit (a, b) ∈ Z2 . a ∨ b = sup| {|a|, |b|}.
Remarque. Lorsque a et b sont des entiers relatifs non nuls, a ∨ b = min≤ {k ∈ N∗ / a|k et b|k}.
Définition. Plus généralement, si k ∈ N∗ et si a1 , . . . , ak ∈ Z, on dit que m est le PPCM de a1 , . . . , ak
si et seulement si m ∈ N et mZ = a1 Z ∩ · · · ∩ ak Z. Alors m = sup| {a1 , . . . , ak }.
Si B est\une partie quelconque de Z, on dit que m est le PPCM de B si et seulement si m ∈ N et
mZ = bZ. Alors m = sup| (B).
b∈B
\
Remarque. Dans ce contexte, on convient que si B = ∅, bZ = Z, donc 1 est le PPCM de ∅.
b∈B
Ainsi, toute partie de N possède une borne supérieure et une borne inférieure pour la relation d’ordre
de divisibilité. On dit que l’ensemble ordonné (N, | ) est un treillis complet.
Propriété. Soit k ∈ N, a1 , . . . , ak ∈ Z et h ∈ {1, . . . , k}.
— Commutativité du PPCM :
P P CM (a1 , . . . , ak ) ne dépend pas de l’ordre de a1 , . . . , ak .
— Associativité du PPCM :
P P CM (a1 , . . . , ak ) = P P CM (a1 , . . . , ah ) ∨ P P CM (ah+1 , . . . , ak ).

29
— Distributivité de la multiplication par rapport au PPCM :

pour tout α ∈ Z, P P CM (αa1 , . . . , αak ) = |α|P P CM (a1 , . . . , ak ).
3.9 Les théorèmes de l’arithmétique

Théorème de Bézout. Soit (a, b) ∈ Z2 .
a et b sont premiers entre eux si et seulement si : ∃(u, v) ∈ Z2 ua + vb = 1.
Théorème de Bézout (généralisation). Soit n ∈ N avec n ≥ 2 et a1 , . . . , an ∈ Z.
a1 , . . . , an sont globalement premiers entre eux si et seulement si :
∃u1 , . . . , un ∈ Z , u1 a1 + · · · + un an = 1.
Propriété. Soit (a, b) ∈ Z2 . Posons d = a ∧ b.
Alors il existe (a0 , b0 ) ∈ Z2 , avec a0 et b0 premiers entre eux, tel que a = a0 d et b = b0 d.
Théorème de Gauss. Soit (a, b, c) ∈ Z3 . Si a|bc avec a et b premiers entre eux, alors a|c.
Corollaire. Soit p, a, b ∈ Z. Si p | ab et si p est premier, alors p | a ou p | b.
Corollaire. Soit (a, b, c) ∈ Z3 , n ∈ N∗ et a1 , . . . , an ∈ Z.
Si a ∧ b = a ∧ c = 1, alors a ∧ bc = 1.
On en déduit que, si a ∧ b = 1, ∀(k, l) ∈ (N∗ )2 ak ∧ bl = 1.
Si a|b, c|b et a ∧ c = 1 alors ac|b. Par récurrence, on en déduit que
si pour tout i ∈ {1, . . . , n}, ai |b et si i 6= j =⇒ ai ∧ aj = 1, alors a1 × · · · × an | b.
|ab| = (a ∧ b)(a ∨ b). En particulier, a ∧ b = 1 =⇒ a ∨ b = |ab|.
Théorème fondamental de l’arithmétique. Pour tout a ∈ Y N∗ , il existe une unique famille
(νp )p∈P ∈ N (i.e telle que {p ∈ P / νp 6= 0} est fini) telle que a =
(P)
pνp .
p∈P
C’est la décomposition de a en facteurs premiers. νp s’appelle la valuation p-adique de a.
Y Y
Propriété. si a = pνp et b = pµp , Alors a | b ⇐⇒ [∀p ∈ P, νp ≤ µp ].
Yp∈P p∈P
Y
De plus, a ∧ b = pmin(νp ,µp ) et a ∨ b = pmax(νp ,µp ) .
p∈P p∈P
Lemme d’Euclide. Soient (a, b) ∈ Z2 avec b 6= 0. Notons q et r les quotient et reste de la division
euclidienne de a par b. Alors a ∧ b = b ∧ r.
Algorithme d’Euclide. Soit a0 , a1 ∈ N∗ avec a0 > a1 .
Pour i ≥ 1, tant que ai 6= 0, on note ai+1 le reste de la division euclidienne de ai−1 par ai .
On définit ainsi une suite strictement décroissante d’entiers naturels (ai )0≤i≤N telle que aN = 0.
Alors a0 ∧ a1 = aN −1 .
De plus, lorsque a0 ∧a1 = 1, cet algorithme permet de calculer des entier s0 et t0 tels que 1 = s0 a0 +t0 a1 .
À connaı̂tre précisément.
Exercice. Soit a, b, c ∈ Z avec a et b non nuls.
Résoudre l’équation de Bézout (B) : au + bv = c en l’inconnue (u, v) ∈ Z2 .
À connaı̂tre.

30
Semaine 7 – Les rationnels Q, les réels R, intervalles, bornes supérieurs, R, valeur absolue et développement
décimal
1 Q
Définition. On définit une relation binaire R sur Z × Z∗ par (a, b)R(c, d) ⇐⇒ ad = bc. C’est une
relation d’équivalence. On pose Q = (Z × Z∗ )/R.
Pour tout (a, b) ∈ Z × Z∗ , on note ab = (a, b).
Pour l’écriture ab , on dit que a est son numérateur et que b est son dénominateur.
a c ∆ ac a c ∆ ad + cb
Pour tout (a, b), (c, d) ∈ Z × Z∗ , on pose × = et + = .
b d bd b d bd
On définit ainsi une addition et une multiplication sur Q.
Propriété. (Q, +, ×) est un corps, c’est-à-dire que
— (Q, +, ×) est un anneau,
— Q n’est pas réduit à {0} (on note Q∗ = Q \ {0}),
— Q est commutatif,
— tout élément non nul de Q est inversible : ∀x ∈ Q∗ , ∃y ∈ Q∗ , xy = 1.
Propriété. Comme tout corps, Q est intègre, c’est-à-dire que, pour tout x, y ∈ Q,
xy = 0 =⇒ [(x = 0) ∨ (y = 0)].
La démonstration dans un corps quelconque est à connaı̂tre.
Z −→ Q
Propriété. L’application permet d’identifier Z avec une partie de Q.
n 7−→ n1
On parvient à prolonger l’ordre de Z en un ordre sur Q, qui reste compatible avec l’addition et qui
vérifie la règle des signes pour le produit.
On prolonge aussi sur Q la notion de valeur absolue ainsi que ses propriétés vues dans Z.
Propriété. Pour tout x ∈ Q, il existe un unique couple (a, b) tel que x = ab avec a ∈ Z et b ∈ N∗ ,
tels que a et b sont premiers entre eux. On dit alors que ab est la forme irréductible de x.
√
Exercice. Montrer que 2 est irrationnel.
A connaı̂tre.
Q est archimédien :
Soit x et y deux rationnels strictement positifs. Alors il existe n ∈ N tel que x < ny.
2 L’ensemble R des réels

2.1 Corps totalement ordonnés
Définition. Soit (K, +, ×) un corps muni d’une relation d’ordre .

On dit que (K, +, ×, ) est un corps ordonné si et seulement si
— Compatibilité avec l’addition : ∀x, y, z ∈ K, [x y] =⇒ [x + z y + z].
— Compatibilité avec le produit, règle des signes :
∀x, y ∈ K, [0 x] ∧ [0 y] =⇒ [0 xy].
1
31
Semaine 7 : Résumé de cours 2 L’ensemble R des réels
2.2 Bornes supérieures
Définition. Soit E un ensemble muni d’une relation d’ordre . Soit A ⊂ E.

Lorsque l’ensemble des majorants de A possède un plus petit élément, ce minimum est appelé la borne
supérieure de A, et noté sup A.
Lorsque l’ensemble des minorants de A possède un plus grand élément, ce maximum est appelé la
borne inférieure de A, et noté inf A.
Propriété. Soit (E, ) un ensemble ordonné et A ⊂ E.
Si A possède un maximum, alors A possède une borne supérieure et sup A = max A.
Cependant, il est “fréquent” que A ne possède pas de maximum, mais possède une borne supérieure.
Dans ce cas, sup A ∈/ A.
Propriété. Soit (E, ) un ensemble ordonné et soit A, B ∈ P(E).
Si A et B possédent des bornes supérieures : si B ⊂ A, alors sup(B) ≤ sup(A).
Si A et B possédent des bornes inférieures : si B ⊂ A, alors inf(B) ≥ inf(A).
2.3 Une caractérisation de R.
Caractérisation de R : (admise)
Il existe au moins un corps K totalement ordonné dans lequel toute partie non vide majorée admet
une borne supérieure.
De plus si K 0 est un autre corps totalement ordonné dans lequel toute partie non vide majorée admet
une borne supérieure, il existe une bijection f de K dans K 0 telle que f est un morphisme de corps
ordonnés, c’est-à-dire :
— ∀x, y ∈ K, x ≤ y =⇒ f (x) ≤ f (y),
— ∀x, y ∈ K, f (x + y) = f (x) + f (y),
— ∀x, y ∈ K, f (xy) = f (x)f (y),
— f (1K ) = 1K 0 .
Cela signifie que, quitte à renommer x en f (x), K et K 0 sont égaux, tant que dans K et K 0 on se
contente d’utiliser leurs structures de corps totalement ordonnés.
Ainsi, à un morphisme bijectif près, il existe un unique corps totalement ordonné dans lequel toute
partie non vide majorée admet une borne supérieure. Il est noté R et ses éléments sont appelés les
réels.
Il existe un morphisme injectif de corps ordonné de Q dans R, qui permet d’identifier Q avec une
partie de R.
Propriété. Toute partie non vide minorée de R possède une borne inférieure.
Passage à la borne supérieure (resp : inférieure) : Soit (E, ) un ensemble ordonné et soit A
une partie de E possédant une borne supérieure.
Soit e ∈ E. Alors sup(A) ≤ e ⇐⇒ [∀a ∈ A, a ≤ e].
Le fait de passer de la propriété “∀a ∈ A, a ≤ e” à l’affirmation “sup(A) ≤ e” s’appelle le passage à
la borne supérieure.
Il faut savoir le justifier : si [∀a ∈ A, a ≤ e], alors e est un majorant de A, or sup(A) est le plus
petit des majorants, donc sup(A) ≤ e.
ATTENTION, en général, sup(A) ∈ / A, donc le passage à la borne supérieure ne se réduit pas au
fait d’appliquer la propriété “∀a ∈ A, a ≤ e” avec a = sup(A).
De même, si B est une partie de E possédant une borne inférieure, le principe du passage à la
borne inférieure consiste à passer de la propriété, “∀a ∈ A, a ≥ e” à “inf(A) ≥ e”.
Propriété. Soit A une partie non vide majorée de R. Soit s ∈ R. Alors

32
Semaine 7 : Résumé de cours 2 L’ensemble R des réels
s = sup(A) ⇐⇒ [∀a ∈ A, a ≤ s] ∧ [∀ε > 0, ∃a ∈ A, s − ε < a].

Exercice. Soit A une partie de R non vide et majorée. Montrer qu’il existe une suite (xn )n∈N
d’éléments de A qui converge vers sup(A).
A savoir faire.
Propriété. Soit A une partie non vide minorée de R. Soit m ∈ R. Alors
m = inf(A) ⇐⇒ [∀a ∈ A, a ≥ m] ∧ [∀ε > 0, ∃a ∈ A, m + ε > a].
2.4 La droite réelle achevée

∆
Définition. On appelle droite réelle achevée l’ensemble R = R ∪ {−∞, +∞}, sur lequel l’ordre dans
R est prolongé par les conditions : ∀x ∈ R, −∞ < x < +∞.
Propriété. (R, ≤) est un ensemble totalement ordonné dans lequel toute partie possède une borne
inférieure et une borne supérieure. En particulier, toute partie A de R possède une borne supérieure
dans R. De plus, sup(A) = +∞ ⇐⇒ A non majorée et sup(A) = −∞ ⇐⇒ A = ∅.
2.5 Les intervalles
Définition.
— Pour tout a, b ∈ R, l’intervalle ]a, b[ est défini par ]a, b[= {x ∈ R/a < x < b}.
— Pour tout a, b ∈ R, l’intervalle [a, b] est défini par [a, b] = {x ∈ R/a ≤ x ≤ b}.
— Si a ∈ R et b ∈ R, les intervalles [a, b[ et ]b, a] sont définis par :
[a, b[= {x ∈ R/a ≤ x < b} et ]b, a] = {x ∈ R/b < x ≤ a}.
— En particulier, R =] − ∞, +∞[ et ∅ =]0, −1[ sont des intervalles.
Définition.
— Un intervalle est ouvert si et seulement si il est de la première forme ]a, b[ avec a, b ∈ R.
— On dit qu’un intervalle est fermé si et seulement si son complémentaire est une réunion d’un
ou deux d’intervalles ouverts.
— Ainsi, [a, b] est fermé lorsque a, b ∈ R, mais [a, +∞[ est aussi fermé (avec a ∈ R).
— ∅ et R sont à la fois ouverts et fermés.
— [0, 1[ n’est ni ouvert ni fermé. On dit qu’il est semi-ouvert ou semi-fermé.
— Les intervalles fermés bornés sont de la forme [a, b] avec a, b ∈ R. On les appelle aussi des
segments.
Définition. Une partie A de R est convexe si et seulement si pour tout a, b ∈ A avec a < b, [a, b] ⊂ A.
Théorème. Les parties convexes de R sont exactement ses intervalles.
Corollaire. Une intersection d’intervalles de R est un intervalle de R.
Propriété. Si une famille d’intervalles est d’intersection non vide, l’union de ces intervalles est encore
un intervalle.
2.6 la valeur absolue
Propriété. Le signe au sens large du produit de deux réels est égal au produit des signes de ces réels.
Définition. Pour tout x ∈ R, on note |x| = max{−x, x}.
∀x, y ∈ R, |xy| = |x||y|.

33
Semaine 7 : Résumé de cours 3 Développement décimal
Inégalité triangulaire : ∀x, y ∈ R, |x + y| ≤ |x| + |y|, avec égalité si et seulement si x et y sont de

même signe.
Corollaire de l’inégalité triangulaire : ∀x, y ∈ R, ||x| − |y|| ≤ |x − y|.
A savoir démontrer.
Formule : Pour tout a, b ∈ R,
(a + b) − |a − b| (a + b) + |a − b|
min(a, b) = et max(a, b) = .
2 2
Distance entre réels : Lorsque x, y ∈ R, la quantité d(x, y) = |x − y| est appelée la distance entre
les deux réels x et y. Elle vérifie l’inégalité triangulaire : d(x, z) ≤ d(x, y) + d(y, z).
2.7 Propriétés usuelles des réels
Propriété. R est archimédien : Pour tout a, b ∈ R∗+ , ∃n ∈ N, na > b.

Définition. Soit A une partie de R. On dit que A est dense dans R si et seulement si pour tout
x, y ∈ R avec x < y, il existe a ∈ A tel que x ≤ a ≤ y.
Propriété. A est dense dans R si et seulement si, pour tout x ∈ R, il existe une suite (an )n∈N
d’éléments de A telle que an −→ x.
n→+∞
Propriété. Q et R \ Q sont denses dans R.
Définition. Soit x ∈ R. On appelle partie entière de x le plus grand entier relatif inférieur ou égal à
x. Elle est notée bxc. C’est l’unique entier n tel que n ≤ x < n + 1.
On appelle partie entière supérieure de x le plus petit entier supérieur ou égal à x. Elle est notée dxe.
C’est l’unique entier n tel que n − 1 < x ≤ n.
x2 + y 2
Une inégalité très utile : Pour tout x, y ∈ R, |xy| ≤ .
2
A savoir établir.
3 Développement décimal
3.1 Développement décimal d’un entier naturel
Propriété. Si (xn ) une suite strictement croissante d’entiers naturels, on montre par récurrence que
pour tout n ∈ N, xn ≥ n.
Définition. Les chiffres en base 10 sont 0, 1, . . . , 9.
Théorème. Pour tout n ∈ N, il existe Xune unique suite presque nulle de chiffres
(ak )k∈N ∈ {0, . . . , 9} (N)
telle que n = ak 10k .
k∈N
Remarque. On peut généraliser et développer en base a où a est un entier supérieur ou égal à 2.
CNSX n ∈ N, dont le développement décimal est noté
de divisibilité : Soit X
n= ak 10k . On note s = ak la somme des chiffres de n.
k∈N k∈N
— n est divisible par 2 si et seulement si a0 ∈ {0, 2, 4, 6, 8}.
— n est divisible par 5 si et seulement si a0 ∈ {0, 5}.
— n est divisible par 10 si et seulement si a0 = 0.

34
Semaine 7 : Résumé de cours 3 Développement décimal
— n est divisible par 3 si et seulement si s ≡ 0 [3].

≡ 0 [9].
— n est divisible par 9 si et seulement si s X
— n est divisible par 11 si et seulement si (−1)k ak ≡ 0 [11].
k∈N
3.2 L’ensemble D des nombres décimaux

n n o
Définition. D = /n ∈ Z et k ∈ N . C’est une partie stricte de Q dont les éléments sont appelés
10k
les nombres décimaux.
Propriété. Soit x ∈ Q. x est un nombre décimal si et seulement si son écriture irréductible est de la
p
forme x = h k , où p ∈ Z et h, k ∈ N.
2 5
Remarque. (D, +, ×) est un anneau.
Propriété. d ∈ D si et seulement siX il existe une famille presque nulle de chiffres indexée par Z,
(ak )k∈Z ∈ {0, . . . , 9}(Z) telle que d = ak 10k .
k∈Z
3.3 Approximation d’un réel
Définition. Soit x, α ∈ R et ε ∈ R∗+ .

— On dit que α est une valeur approchée de x à ε près si et seulement si d(x, α) ≤ ε.
On note alors x = α ± ε.
— On dit que α est une valeur approchée de x à ε près par défaut si et seulement si α ≤ x ≤ α + ε,
— On dit que α est une valeur approchée de x à ε près par excès si et seulement si α − ε ≤ x ≤ α.
b10p xc
Propriété. Soit x ∈ R et p ∈ N. Posons α = . α ∈ D.
10p
Alors α est une valeur approchée de x par défaut à 10−p près,
et α + 10−p est une valeur approchée de x par excès à 10−p près.
Corollaire. D est dense dans R.

35
Semaine 8 – Développement d’un réel en base quelconque, applications, images directes et réciproques,
injectivité et surjectivité, lois internes, cardinaux
1 Développement d’un réel en base quelconque

Notation. On fixe un entier naturel a supérieur ou égal à 2.
Propriété. Soit (vn )n≥1 une suite d’entiers telle que, pour tout n ∈ N∗ , 0 ≤ vn ≤ a − 1.
Xn
Pour tout n ∈ N, posons xn = vk a−k . La suite (xn ) est croissante et majorée, donc elle converge
k=1
+∞
X
vers une limite x que l’on notera x = vn a−n . Dans ces conditions, on dit que (vn )n≥1 est un
n=1
développement de x en base a et on note x = 0, v1 v2 · · · vn vn+1 · · ·.
De plus, x ∈ [0, 1] et [x = 1 ⇐⇒ (∀n ∈ N∗ , vn = a − 1)].
Notation. Posons V = {(vn )n≥1 /∀n ∈ N∗ vn ∈ N ∩ [0, a[ et ∀N ∈ N∗ ∃n ≥ N vn 6= a − 1}. Ainsi,
les éléments de V sont les suites de chiffres qui ne sont pas tous égaux à a − 1 à partir d’un certain
rang.
Théorème. Tout réel de [0, 1[ admet un unique développement en base a dans V.
Remarque. Soit x ∈ R+ . On peut écrire x = bxc + {x}, où bxc ∈ N et où {x} = x − bxc ∈ [0, 1[
est la partie fractionnaire de x. On obtient le développement en base a du réel x en concaténant le
développement en base a de l’entierbxc avec celui du réel {x} ∈ [0, 1[.
Théorème hors programme : caractérisation d’un rationnel. Soit x ∈ [0, 1[.
Notons x = 0, v1 · · · vn · · · le développement en base a de x.
x est un rationnel si et seulement si son développement en base a est périodique à partir d’un certain
rang, c’est-à-dire si et seulement si il existe N ∈ N∗ et p ∈ N∗ tel que ∀n > N, vn = vn+p .
2 Applications
2.1 Généralités
Définition. Une fonction f de E dans F est un triplet f = (E, F, Γ), où E et F sont des ensembles
et où Γ est une relation binaire sur E × F telle que
∀x ∈ E, ∀y, z ∈ F, (x Γ y) ∧ (x Γ z) =⇒ (y = z), c’est-à-dire telle que pour tout x ∈ E, il existe au
plus un y ∈ F en relation avec x. On note alors “y = f (x) ” au lieu de x Γ y ou bien (x, y) ∈ Γ.
— Le domaine de définition de f est {x ∈ E/∃y ∈ F, x Γ y}. On le notera Df .
— Une application de E dans F est une fonction telle que Df = E.
— E s’appelle l’ensemble de départ de f et F l’ensemble d’arrivée.
— Γ s’appelle le graphe de f . Γ = {(x, y) ∈ E × F/x Γ y} = {(x, f (x))/x ∈ Df }.
— Lorsque y = f (x), où x ∈ E et y ∈ F ,
— on dit que y est l’image de x par f et
1
36
Semaine 8 : Résumé de cours 2 Applications
— que x est un antécédent de y par f .

Propriété. Soit f une fonction de E vers F et soit g une fonction de E 0 vers F 0 . Alors f = g si et
seulement si E = E 0 , F = F 0 , Df = Dg et pour tout x ∈ Df , f (x) = g(x).
Définition. Soit E et I deux ensembles. La famille (ei )i∈I d’éléments de E indexée par I est l’unique
application de I dans E dont le graphe est {(i, ei )/i ∈ I}. Il s’agit d’une autre façon de noter une
application, parfois mieux adaptée.
Définition. Une suite est une famille d’éléments indexée par N, ou éventuellement par
{n ∈ N/n ≥ n0 } (où n0 ∈ N).
Définition. Si E et F sont deux ensembles, le triplet (E, F, ∅) est une fonction de E dans F , que
l’on appelle la fonction vide. Elle est définie sur ∅.
Le triplet (∅, F, ∅) est une application à valeurs dans F , appelée l’application vide.
La famille (d’éléments de E) (ei )i∈∅ désigne l’application vide (∅, E, ∅), que l’on appelle aussi la famille
vide d’éléments de E.
Notation. L’application identité sur E est définie par : ∀x ∈ E, IdE (x) = x.
Définition. Soit E un ensemble et A une partie de E. L’indicatrice de A dans E est l’unique
application, notée 1A , de E dans {0, 1} telle que 1A (x) = 1 si x ∈ A et 1A (x) = 0 si x ∈ E \ A.
Propriété. Soit E un ensemble et A et B deux parties de E. En définissant naturellement la somme,
la différence et le produit de deux applications de E dans R, on vérifie que : 1E\A = 1E − 1A ,
1A∩B = 1A .1B et 1A∪B = 1A + 1B − 1A .1B .
Définition. Soit f une application de E vers F . On suppose que F est muni d’une relation d’ordre .
Soit A une partie de E. Les majorant, borne supérieure, minimum etc. de f sur A sont par définition
les majorant, borne supérieure, minimum etc. de f (A).
Définition. Soit I un ensemble quelconque et soit (fi )i∈I une famille d’éléments d’un ensemble F .
On suppose que F est muni d’une relation d’ordre . Les majorant, borne supérieure, minimum etc.
de (fi )i∈I sont par définition les majorant, borne supérieure, minimum etc. de {fi /i ∈ I}.
Notation. On note F(E, F ) ou bien F E l’ensemble des applications de E dans F .
F I est donc aussi l’ensemble des familles indexées par I d’éléments de l’ensemble F .
Définition. Soient E et F deux ensembles, E 0 une partie de E et F 0 une partie de F .
— Soit f une application de E dans F . La restriction de f à E 0 est l’unique application de E 0
dans F telle que ∀x ∈ E 0 , f |E 0 (x) = f (x).
— Soit f une application de E 0 dans F . On appelle prolongement de f sur E toute application g
de E dans F telle que g|E 0 = f .
— Si pour tout x ∈ E, f (x) ∈ F 0 , la corestriction de f à F 0 est l’unique application de E dans F 0
0
telle que : pour tout x ∈ E, f |F (x) = f (x).
0
— Si, pour tout x ∈ E 0 , f (x) ∈ F 0 , f |F 0 0
E 0 désigne l’application de E dans F telle que, pour tout
0
x ∈ E 0 , (f |F
E 0 )(x) = f (x).
Définition. Soit f une application d’un ensemble E dans lui-même. Une partie A de E est stable
par f si et seulement si elle vérifie l’une des propriétés équivalentes suivantes :
— ∀x ∈ A, f (x) ∈ A,
— f (A) ⊂ A,
— f |AA est définie.
Définition. Soit f une application de E dans F et g une application de F dans G. La composée de
g et de f est l’unique application g ◦ f de E dans G définie par : ∀x ∈ E, (g ◦ f )(x) = g(f (x)).
Associativité de la composition : Soit f une application de E dans F , g une application de F
dans G et h une application de G dans H. Alors h ◦ (g ◦ f ) = (h ◦ g) ◦ f . On peut donc noter h ◦ g ◦ f
cette fonction.

37
2.2 Applications croissantes et décroissantes
Définition. Soit f une application d’un ensemble ordonné (E, ≤E ) dans un ensemble ordonné (F, ≤F ).
— f est croissante si et seulement si [∀x, y ∈ E, x ≤E y =⇒ f (x) ≤F f (y)].
— f est strictement croissante si et seulement si ∀x, y ∈ E, x <E y =⇒ f (x) <F f (y).
— f est décroissante si et seulement si elle est croissante de (E, ≤E ) dans (F, ≥F ).
— f est strictement décroissante si et seulement si ∀x, y ∈ E, x <E y =⇒ f (x) >F f (y).
— f est monotone si et seulement si f est croissante ou décroissante.
— f est strictement monotone si et seulement si f est strictement croissante ou strictement
décroissante.
Propriété.
— La composée de deux applications croissantes est croissante.
— La composée de deux applications décroissantes est croissante.
— La composée d’une application croissante et d’une application décroissante est décroissante.
Propriété. Soit f et g deux fonctions de R dans R.
— Si f et g sont croissantes, alors f + g est croissante.
— Si f et g sont décroissantes, alors f + g est décroissante.
— Si f est croissante, −f est décroissante.
— Si f et g sont à valeurs positives et croissantes (resp : décroissantes), alors f g est croissante
(resp : décroissante).
— Si f et g sont à valeurs strictement positives et sont strictement croissantes (resp : strictement
décroissantes), alors f g est strictement croissante (resp : strictement décroissante).
Définition. Soit f et g deux applications d’un ensemble E dans un ensemble ordonné (F, ≤). On
écrit f ≤ g si et seulement si , pour tout x ∈ E, f (x) ≤ g(x).
On définit ainsi une relation d’ordre sur F(E, F ).
2.3 Images directes et réciproques
Définition. Soit f une application de E dans F .

∆
— Si A est une partie de E, l’image directe de A par f est f (A) = {f (x)/x ∈ A}.
Ainsi, ∀y ∈ F, y ∈ f (A) ⇐⇒ [∃x ∈ A, y = f (x)].
f (A) est l’ensemble des images par f des éléments de A.
— Si B est une partie de F , l’image réciproque de B par f est
∆
f −1 (B) = {x ∈ E/f (x) ∈ B}. Ainsi, ∀x ∈ E, x ∈ f −1 (B) ⇐⇒ f (x) ∈ B.
f −1 (B) est l’ensemble des antécédents par f des éléments de B.
Propriétés des images directes : Soit f une application de E dans F , (Ai )i∈I une famille de parties
de E, A et A0 deux parties de E.
— A⊂ A0 =⇒ f (A) ⊂ f (A0 ).
[ [
— f Ai = f (Ai ).
i∈I
\ \ i∈I
— f Ai ⊂ f (Ai ), mais l’inclusion réciproque est fausse en général.

i∈I i∈I
— f (E \ A) ⊃ f (E) \ f (A), mais l’inclusion réciproque est fausse en général.
Propriétés des images réciproques : Soit f une application de E dans F , (Bi )i∈I une famille de
parties de F , B et B 0 deux parties de F .

38
— B ⊂B 0 =⇒ f −1 (B) ⊂ f −1 (B 0 ).

[ [
— f −1 Bi = f −1 (Bi ).
i∈I
\ i∈I \
−1
— f Bi = f −1 (Bi ).
i∈I i∈I
— f −1 (F \ B) = E \ f −1 (B).
Propriété. Avec les notations de la propriété précédente,
A ⊂ f −1 (f (A)) et f (f −1 (B)) ⊂ B, mais les inclusions réciproques peuvent être fausses.
2.4 Injectivité et surjectivité
Définition. Soit f : E −→ F . f est injective si et seulement si ∀x, y ∈ E, [f (x) = f (y) =⇒ x = y],

c’est-à-dire si et seulement si, pour tout couple d’éléments distincts de E, leurs images sont différentes,
ou encore si et seulement si tout élément de F possède au plus un antécédent.
Définition. Soit f : E −→ F . f est surjective si et seulement si ∀y ∈ F, ∃x ∈ E, y = f (x),
c’est-à-dire si et seulement si f (E) = F , ou encore si et seulement si tout élément de F possède au
moins un antécédent.
Définition. On dit que f est bijective si et seulement si f est injective et surjective, c’est-à-dire si
et seulement si tout élément de l’ensemble d’arrivée possède un unique antécédent dans l’ensemble de
départ.
Propriété. Soit f une application de E dans F . Sur E, on définit la relation binaire R par :
f : E/R −→ f (E)
xRy ⇐⇒ f (x) = f (y). R est une relation d’équivalence. Alors l’application
x 7−→ f (x)
est une bijection.
Propriété. La composée de deux injections est une injection.
La composée de deux surjections est une surjection.
La composée de deux bijections est une bijection.
Propriété. Soit f une application de E dans F et g une application de F dans G.
Si g ◦ f est injective, alors f est injective.
Si g ◦ f est surjective, alors g est surjectif.
Définition et propriété :
Soit f une bijection de E dans F . Pour tout y ∈ F , notons f −1 (y) l’unique antécédent de y par f .
Alors f −1 est une bijection de F dans E, appelée la bijection réciproque de f .
On vérifie que f ◦ f −1 = IdF et f −1 ◦ f = IdE .
Réciproquement, s’il existe une application g de F dans E telle que f ◦ g = IdF et g ◦ f = IdE ,
alors f et g sont des bijections et g = f −1 .
(f −1 )−1 = f .
Propriété. Si f : E −→ F et g : F −→ G sont bijectives, alors (g ◦ f )−1 = f −1 ◦ g −1 .
Remarque. La notation f −1 , pour une application f , est utilisée selon deux sens différents, qu’il est
important de bien distinguer :
— Lorsque f est une application quelconque de E dans F , si B est une partie de F , alors
f −1 (B) = {x ∈ E/f (x) ∈ B}.

39
Semaine 8 : Résumé de cours 3 Lois internes
— Lorsque f est une bijection de E dans F , pour tout y ∈ F , f −1 (y) est l’unique antécédent de
y par f .
En particulier, dès que l’on utilise une expression de la forme f −1 (y) où y est un élément de l’ensemble
d’arrivée de f , on suppose nécessairement que f est une bijection.
Lorsque y ∈ F , il importe de bien distinguer f −1 (y) qui représente, pour une bijection f , l’unique
antécédent de y, et f −1 ({y}) qui représente, pour une application f quelconque, l’ensemble des
antécédents de y. Cet ensemble peut être vide lorsque f n’est pas surjective, il peut contenir plus
de deux éléments lorsque f n’est pas injective.
Propriété. Si f est une bijection de E dans F , alors pour tout B ⊂ F , f (f −1 (B)) = B et, pour tout
A ⊂ E, f −1 (f (A)) = A.
Propriété. (HP) Les applications injectives sont simplifiables à gauche et les applications surjectives
sont simplifiables à droite.
Propriété. Si E 6= ∅, alors f : E −→ F est injective si et seulement si il existe g : F −→ E telle
que g ◦ f = IdE .
Propriété. f : E −→ F est surjective si et seulement si il existe g : F −→ E telle que f ◦ g = IdF .
3 Lois internes
Définition. Une loi interne sur E est une application f de E × E dans E. Dans ce contexte la
notation préfixe “f (x, y)” est remplacée par la notation infixe “x f y”, où x, y ∈ E.
On dit que (E, f ) est un magma (hors programme).
Définition. Soit ∆ une loi interne sur E. ∆ est associative si et seulement si pour tout x, y, z ∈ E,
(x ∆ y) ∆ z = x ∆ (y ∆ z). On dit alors que (E, ∆) est un magma associatif. Dans ce cas, si
x1 , . . . , xp ∈ E, la quantité x1 ∆ x2 ∆ · · · ∆ xp ne dépend pas des différentes façons de la parenthéser.
Définition. Soit ∆ une loi interne sur E et soit e ∈ E. On dit que e est un élément neutre de (E, ∆)
si et seulement si, pour tout x ∈ E, x ∆ e = e ∆ x = x. Si E possède un élément neutre, il est unique.
On dit alors que (E, ∆) est un magma unitaire, ou bien unifère.
Définition. Un monoı̈de est un magma associatif unitaire. Il est commutatif, ou abélien, si et seule-
ment si pour tout x, y, x ∆ y = y ∆ x.
Remarque. l’usage est de confondre le monoı̈de (E, ∆) et l’ensemble sous-jacent E.
Notation. Si (E, ∆) est un monoı̈de d’élément neutre e, on convient que
x1 ∆ x2 ∆ · · · ∆ xp = e, lorsque p = 0.
Définition. Soit (E, ×) un monoı̈de d’élément neutre 1E et x ∈ E. On dit que x est inversible à
droite (resp : à gauche) si et seulement si il existe y ∈ E tel que yx = 1E (resp : xy = 1E ).
Si x est inversible à gauche et à droite, il existe un unique y ∈ E tel que xy = yx = 1E . On note
y = x−1 , c’est le symétrique de x.
Propriété.
Si x et y sont inversibles dans le monoı̈de (E, ×), alors xy est aussi inversible et (xy)−1 = y −1 x−1 .
Définition. Un groupe est un monoı̈de dans lequel tout élément est inversible.

40
Semaine 8 : Résumé de cours 4 Cardinal d’un ensemble
Définition. On appelle anneau tout triplet (A, +, .), où A est un ensemble et où “+” et “.” sont
deux lois internes sur A telles que
• (A, +) est un groupe abélien (l’élément neutre étant noté 0 ou 0A ),
• “.” est une loi associative, admettant un élément neutre noté 1 ou 1A ,
• la loi “.” est distributive par rapport à la loi “+”, c’est-à-dire que
∀(x, y, z) ∈ A3 x.(y + z) = (x.y) + (x.z) et (x + y).z = (x.z) + (y.z).
4 Cardinal d’un ensemble

Définition. Soit E un ensemble. S’il existe n ∈ N tel que Nn est en bijection avec E, alors n est
unique. On dit que n est le cardinal de E. Il est noté card(E) ou bien #E, ou encore |E|.
En cas d’inexistence d’un tel entier n, on dit que E est infini.
Exemple. Pour tout n, m ∈ Z, Card([[n, m]]) = m − n + 1.
Propriété. Soit A un ensemble de cardinal n ∈ N et soit B un ensemble quelconque.
B est fini de cardinal n si et seulement si il existe une bijection de A sur B.
Propriété. Soit A un ensemble fini de cardinal n ∈ N. Soit B une partie de A.
Alors B est un ensemble fini et |B| ≤ |A|, avec égalité si et seulement si B = A.
Propriété. Soit A une partie de N. A est finie si et seulement si elle est majorée.
En particulier, N est infini.

41
Semaine 9 – Cardinaux, sommes et produits finis, listes, arrangements et combinaisons
1 Cardinaux d’ensembles usuels

Propriété. Pour tout n ∈ N∗ , une réunion disjointe de n ensembles finis est finie et son cardinal est
égal à la somme des cardinaux de ces ensembles.
Propriété. Soit E un ensemble fini et A une partie de E. Alors |E \ A| = |E| − |A|.
Propriété. Soit E un ensemble fini et R une relation d’équivalence sur E.
Alors E/R est aussi de cardinal fini, inférieur au cardinal de E.
Formule :
|A ∪ B| = |A| + |B| − |A ∩ B|.
Propriété. Formule du crible : (Hors programme)
[
n Xn X X k
\
# Ei = #Ei − #(Ei ∩ Ej ) + · · · + (−1)k+1 # Eij
i=1 i=1 1≤i<j≤n 1≤i1 <i2 <···<ik ≤n j=1
\n
n+1

+ · · · + (−1) # Ei .
i=1
Propriété. Le cardinal du produit cartésien de n ensembles finis est égal au produit des cardinaux
de ces ensembles.
Formule : |F(E, F )| = |F ||E| .
Propriété. Si E est de cardinal n, alors P(E) est de cardinal 2n .
2 Sommes et produits finis

Formules :
n
X
— Pour tout a ∈ G et n ∈ N, a = na.
k=1
n
X n(n + 1)
— Pour tout n ∈ N, k= .
2
k=1
Xn
n(n + 1)(2n + 1)
— Pour tout n ∈ N, k2 = .
6
k=1
Xn n(n + 1) 2
— Pour tout n ∈ N, k3 = .
2
k=1
1
42
Semaine 9 : Résumé de cours 3
Notation. Pour tout n ∈ N, Sn désigne l’ensemble des bijections de Nn dans Nn , que l’on appelle
des permutations sur Nn .
n
X n
X
Commutativité généralisée : Soit n ∈ N et x1 , . . . , xn ∈ G. Alors, ∀σ ∈ Sn , xi = xσ(j) .
i=1 j=1
Définition. Soit A un ensemble fini et (xa )a∈A une famille de G indexée par A.
X Xn
∆
Notons n = |A|. Il existe une bijection f de Nn dans A. On pose xa = xf (i) .
a∈A i=1
Cette quantité ne dépend pas de la bijection f .
Propriété d’additivité : Soit A un ensemble
X fini, (x a )a∈A
et (ya )a∈A deux familles d’éléments de G
X X
indexées par A. Alors (xa + ya ) = xa + ya .
a∈A a∈A a∈A
Distributivité généralisée
X A un ensemble fini, λ ∈ C et (xa )a∈A une famille de complexes
: SoitX
indexée par A. Alors (λxa ) = λ xa .
a∈A a∈A
Changement de variable dans une somme finie : Soit B un ensemble X fini,X(xb )b∈B une famille
d’éléments de G. Soit ϕ une bijection d’un ensemble A dans B. Alors xb = xϕ(a) .
b∈B a∈A
Formule : calcul d’une somme géométrique .
n
X q m − q n+1
Soit q ∈ C \ {1}, soit m, n ∈ N avec m ≤ n. Alors qk = .
1−q
k=m
Théorème. Soit (G, ×) un groupe commutatif fini. Alors, pour tout g ∈ G, g |G| = 1G .
Remarque. Ce théorème est encore vrai lorsque G n’est pas commutatif (cf plus loin).
Sommation par paquets : Soit A un ensemble fini et (xa )a∈A une famille d’éléments de G G. On
suppose qu’il existe un ensemble fini B et une famille (Ab )b∈B de parties de A telles que A = Ab .
b∈B
X X X
Alors xa = xa .
a∈A b∈B a∈Ab
Sommation par paquets, seconde formulation : Soit A un X ensemble fini

X etX
(xa )a∈A une famille
d’éléments de G. Soit R une relation d’équivalence sur A. Alors xa = xa .
a∈A c∈A/R a∈c
3 Applications et cardinaux
Notation. Considérons une application f de E dans F , où E est de cardinal fini.
Propriété. Soit E un ensemble fini et f une application de E dans un ensemble quelconque F . Alors
f (E) est fini. De plus,
|f (E)| ≤ |E|, avec égalité si et seulement si f est injective, et
|f (E)| ≤ |F |, avec égalité si et seulement si f est surjective.

43
Propriété. Soit E et F deux ensembles finis de même cardinal. Soit f une application de E dans F .
Alors f injective ⇐⇒ f surjective ⇐⇒ f bijective .
Propriété. Soit A et B deux ensembles.
S’il existe une injection de A dans B et si B est fini, alors A est fini et |A| ≤ |B|.
S’il existe une surjection de A dans B et si A est fini, alors B est fini et |A| ≥ |B|.
Principe des tiroirs : Si l’on doit ranger p objets dans n tiroirs et que p > n, alors il existe au moins
2 objets qui seront dans le même tiroir.
Plus généralement, si p > cn, où c ∈ N∗ , il existe un tiroir qui contient plus de c + 1 objets.
Principe des bergers : Soit E et F des ensembles finis et f : E −→ F une application. On suppose
que tout élément de F possède exactement k antécédents par f . Alors |E| = k|F |.
4 Listes et combinaisons
Vocabulaire : Soit E un ensemble et p ∈ N.
— Une p-liste (aussi appelée un p-uplet) d’éléments de E est un élément de E p .
— Un p-arrangement d’éléments de E est une p-liste dont les éléments sont deux à deux distincts.
— Une p-combinaison de E est une partie de E de cardinal p.
Propriété. Le nombre de p-listes d’éléments de E est égal à np (c’est |E|p ).

fa : Np −→ E
Propriété. Si a = (e1 , . . . , ep ) est un p-arrangement de E, l’application est une
i 7−→ ei
injection. De plus, a 7−→ fa est une bijection de l’ensemble Ap des p-arrangements de E vers l’ensemble
Ip des injections de Np dans E.
Théorème. Le nombre de p-arrangements dans un ensemble de cardinal n est égal à
n!
n(n − 1) · · · (n − p + 1) = . C’est aussi le nombre d’injections d’un ensemble à p éléments vers
(n − p)!
un ensemble à n éléments.
Corollaire. Pour tout n ∈ N, |Sn | = n!. Plus généralement, factorielle de n est le nombre de bijections
d’un ensemble de cardinal n dans un autre ensemble de cardinal n.
Théorème. Le nombre de p-combinaisons d’éléments d’un ensemble de cardinal n, c’est-à-dire le
nombre de parties de p éléments incluses dans un ensemble de cardinal n est égal à

n ∆ An,p n!
= = .
p p! (n − p)!p!
Cette quantité s’appelle le coefficient binomial “p parmi n”.

5 Les coefficients binomiaux

n n
Formule : ∀n, p ∈ N avec 0 ≤ p ≤ n, = .
p n−p

n n−1
Formule comité-président : Pour tout n, k ∈ N avec k ≤ n, k
∗
=n .
k k−1
La preuve combinatoire est à connaı̂tre.

44

k n n n−p
Formule comité-bureau : si p ≤ k ≤ n, × = × .
p k p k−p

n n−1 n−1
Formule du triangle de Pascal : ∀n, p ∈ N avec 1 ≤ p < n, = + .
p p p−1
Remarque.
Il est souvent pratique de convenir que, pour tout n, p ∈ Z tels que ¬(0 ≤ p ≤ n),
n
= 0.
p
Représentation graphique du triangle de Pascal : À connaı̂tre.
Formule du binôme de Newton : On se place dans un anneau (A, +, ×). Soit a1 et a2 deux
éléments de A qui commutent, c’est-à-dire tels que a1 a2 = a2 a1 . Alors
n
X n
∀n ∈ N, (a1 + a2 ) = n
ak1 an−k
2 .
k
k=0
Les deux preuves sont à connaı̂tre.

Formule du multinôme : (Hors programme). Soit p, n ∈ N∗ . Soit a1 , . . . , ap p éléments d’un anneau
A qui commutent deux à deux. Alors
X n!
(a1 + · · · + ap )n = ai1 × · · · × aipp .
i1 ,...,ip ∈N
i1 ! × · · · × ip ! 1
tel que i1 +···+ip =n

45
Semaine 10 – Sommes finies (téléscopage, fonctions génératrices), intégration par parties itérée, début des
complexes
1 Sommes finies (suite)

Formule de Leibniz : Soient f et g deux applications d’un intervalle I dans R. Si f et g sont n fois
Xn
(n) n
dérivables sur I, alors f g est n fois dérivable sur I et (f g) = f (k) g (n−k) .
k
k=0
1.1 Sommes et produits : quelques techniques

1.1.1 Télescopage
n
X n+1
X
(uk+1 − uk ) = un+1 − um et (uk−1 − uk ) = um − un+1 .
k=m k=m+1
1.1.2 Séparation des indices pairs et impairs

n
n
b2c b n−1
2 c
X X X X X
uk = uk + uk = u2p + u2p+1 .
k=0 0≤k≤n 0≤k≤n p=0 p=0
k pair k impair
1.1.3 Fonction génératrice

Soit m, n ∈ N avec m ≤ n et soit (uk )m≤k≤n une famille de complexes. La fonction génératrice de
n
X
cette famille est l’application polynomiale P : x 7−→ uk xk .
k=m
Xn n
X
Si P est connu, on peut en déduire plusieurs sommes : uk = P (1), kuk = P 0 (1),
k=m k=m
n
X n
X Z 1
00 uk
k(k − 1)uk = P (1), = P (t)dt etc.
k+1 0
k=m k=m
1.1.4 Quelques formules

Somme arithmétique : Une suite (un ) de complexes est arithmétique de raison r si et seulement si
n
X um + un
∀n ∈ N, un+1 = un + r. Dans ce cas, pour tout n ∈ N, un = u0 + nr et uk = (n − m + 1).
2
k=m
Formule de Bernoulli : Soit (A, +, ×) un anneau. Soit a et b deux éléments de A qui commutent
n
X
(i.e ab = ba). Alors, pour tout n ∈ N, an+1 − bn+1 = (a − b) ak bn−k .
k=0
1
46
Somme géométrique : Une suite (un ) de complexes est géométrique de raison r si et seulement si
n
X un+1 − um
∀n ∈ N, un+1 = run . Dans ce cas, un = u0 rn et uk = .
r−1
k=m
1.1.5 Sommes doubles

X X q
n X q X
X n
uk,` = uk,` = uk,` .
m≤k≤n k=m `=p `=p k=m
p≤`≤q
X X
n X
q
Propriété. Dans un anneau, vk w` = vk w` .
m≤k≤n k=m `=p
p≤`≤q
1.1.6 Sommes triangulaires

X n X
X n n X̀
X
uk,` = uk,` = uk,` .
m≤k≤`≤n k=m `=k `=m k=m
1.1.7 Produits
Toutes les propriétés précédentes, lorsqu’elles étaient valables dans un monoı̈de commutatif (G, +)
sont valables en notation multiplicative dans un monoı̈de commutatif (G, ×).
1.2 Intégration par parties itérée

Intégration par parties itérée : (Hors programme).
Soit I un intervalle de R, n ∈ N, f et g deux applications de classe C n de I dans R. Alors, pour tout
Z b hn−1
X ib Z b
(n) (n−1−i) (i) i n
a, b ∈ I, f (t)g(t)dt = f (t)g (t)(−1) + (−1) f (t)g (n) (t)dt.
a a a
i=0
Formule de Taylor avec reste intégral :
Soit I un intervalle de R, n ∈ N, f une application de classe C n+1 de I dans R. Alors, pour tout
Xn Z b
(b − a)k (k) (b − t)n (n+1)
a, b ∈ I, f (b) = f (a) + f (a) + f (t)dt.
k! a n!
k=1
Exemple d’application : (Hors programme)
Sous les hypothèses et notations de la formule précédente, fixons a, b ∈ I avec a ≤ b.
Soit m, M ∈ R tels que , pour tout t ∈ [a, b], m ≤ f (n+1) (t) ≤ M .
Xn
(b − a)n+1 (b − a)k (k) (b − a)n+1
Alors m ≤ f (b) − f (a) ≤ M .
(n + 1)! k! (n + 1)!
k=0
Inégalité de Taylor-Lagrange :
Soit a, b ∈ R avec a 6= b. On se place sur I = [min(a, b), max(a, b)].
Soit n ∈ N et f une application de classe C n+1 de I dans R.
Soit M ∈ R tel que, pour tout t ∈ I, |f (n+1) (t)| ≤ M . Alors
n
X (b − a)k |b − a|n+1
f (b) − f (a) − f (k) (a) ≤ M .
k! (n + 1)!
k=1

47
Semaine 10 : Résumé de cours 2 Les complexes (début)
Formule de Taylor-Young : Soit n ∈ N∗ , I un intervalle de R, x0 ∈ I et f : I −→ R une

Xn
f (k) (x0 )
application de classe C n+1 . Alors f (x) = (x − x0 )k + (x − x0 )n ε(x), où ε(x) −→ 0.
k! x→x0
k=0
A savoir démontrer lorsque x0 = 0.
Remarque. On admettra que cette formule est valable dès que f est n fois dérivable en x0 .
2 Les complexes (début)

2.1 Construction de C
Propriété. C est un corps, dont R est un sous-corps et dont les lois sont définies par

(a + ib) + (c + id) = (a + c) + i(b + d)
∀a, b, c, d ∈ R,
(a + ib) × (c + id) = (ac − bd) + i(ad + bc)
a − ib
Si z 6= 0, l’inverse de z = a + ib est .
a2 + b2
Définition. ∀z ∈ C, ∃!a, b ∈ R, z = a + ib. On note a = Re(z) et b = Im(z).
L’écriture du complexe z sous la forme z = Re(z) + iIm(z) s’appelle l’écriture algébrique de z.
Définition. Les imaginaires purs sont les ib où b ∈ R.
Propriété. Comme pour tout corps, C est intègre, c’est-à-dire que, pour tout z, z 0 ∈ C, si zz 0 = 0,
alors z = 0 ou z 0 = 0.
1
Propriété. = −i .
i
Linéarité des parties réelle et imaginaire : Pour tout z, z 0 ∈ C et α ∈ R,
Re(αz + z 0 ) = αRe(z) + Re(z 0 ) et Im(αz + z 0 ) = αIm(z) + Im(z 0 ).
2.2 Le plan complexe
Définition. On considère un plan P affine euclidien orienté, rapporté à un repère orthonormé direct
R = (O,~ı, ~). Soit (x, y) ∈ R2 . On peut alors définir le complexe z = x + iy et le point M de P dont
les coordonnées dans le repère R sont (x, y). On dit que z est l’affixe du point M et que M est l’image
du complexe z.
Si l’on note M (z) l’image du complexe z, l’application z 7−→ M (z) est une bijection de C dans P qui
permet parfois d’identifier C avec P (muni de son repère R).
−−→ −−→
On dit également que z est l’affixe du vecteur OM et que OM est le vecteur image de z.
−−→ −−→
Si l’on note u(z) le vecteur image de z, l’application z 7−→ u(z) est une bijection de C dans l’ensemble
des vecteurs de P .
Pour ces raisons, C est souvent appelé le plan complexe.
Interprétation géométrique de l’addition entre complexes :
Soit z, z 0 ∈ C. Avec les notations précédentes, notons −
→z et −
u u→ 0
z 0 les vecteurs images de z et z . Alors le
−
→ −→
vecteur uz + uz0 a pour affixe z + z .0
Ainsi, si l’on identifie C avec l’ensemble des vecteurs de P , l’addition entre complexes correspond à
l’addition entre vecteurs du plan.
Si l’on visualise les deux complexes z et z 0 par deux points Mz et Mz0 du plan P , le complexes z + z 0
est donc le point qui complète O, Mz , Mz0 en un parallélogramme.
Interprétation géométrique de la différence de deux complexes :

48
Semaine 10 : Résumé de cours 3 Le module
−−−−−−−−→
Avec les mêmes notations, z 0 − z est l’affixe du vecteur M (z)M (z 0 ).
Définition. L’homothétie de centre Ω et de rapport λ ∈ R est la transformation suivante du plan :

P −→ P
−−→ .
M 7−→ Ω + λΩM
Interprétation géométrique du produit d’un complexe par un réel :
−−−−→
Soit z ∈ C et α ∈ R. Alors αz est l’affixe du vecteur αOM (z).
Ainsi, αz est aussi l’affixe de l’image de M (z) par l’homothétie de centre O et de rapport α.
2.3 La conjugaison
∆
Définition. Soit x, y ∈ R. Le conjugué du complexe z est le complexe z = x − iy.
Géométriquement, z est le symétrique de z selon l’axe Ox des réels.
Propriété. z ∈ R ⇐⇒ z = z et z ∈ iR ⇐⇒ z = −z.
z+z z−z
Propriété. Pour tout z ∈ C, Re(z) = et Im(z) = .
2 2i
z z
Propriété. Pour tout z, z 0 ∈ C, z = z, z + z 0 = z + z 0 et zz 0 = z × z 0 , = .
z0 z0
Corollaire. Pour tout n ∈ Z et z ∈ C∗ , z n = z n .
3 Le module
∆ p
Définition. Soit x, y ∈ R. Le module du complexe z = x + iy est |z| = x2 + y 2 .
Interprétation géométrique :
−−→
|z| désigne la distance du point M (z) à l’origine, ainsi que la norme du vecteur u(z).
La distance entre M (z) et M (z 0 ) est égale à |z − z 0 |.
Propriété. ∀z ∈ C, |z|2 = zz.
1 z z
Propriété. Pour tout z ∈ C∗ , = = 2.
z zz |z|
Propriété. Pour tout z, z 0 ∈ C,
— |z| = |z| (compatibilité du module avec la conjugaison) ;
— |zz 0 | = |z| × |z 0 | (compatibilité du module avec la multiplication) ;
— pour tout n ∈ N, |z n | = |z|n ;
z0 |z 0 |
— si z 6= 0, = .
z |z|
Propriété. Le module est une norme sur C, c’est-à-dire que l’application |.| : C −→ R vérifie les
propriétés suivantes : Pour tout z, z 0 ∈ C et α ∈ R,
— |z| ≥ 0 (positivité),
— |z| = 0 ⇐⇒ z = 0 (séparation),
— |αz| = |α| × |z| (homogénéité),
— |z + z 0 | ≤ |z| + |z 0 | (inégalité triangulaire).

49
Semaine 11 – Module, fonctions à valeurs dans C, exponentielle complexe, argument, linéarisation et antili-
néarisation
Semaine 11 (du 25 au 29 novembre) :

Résumé de cours
Les complexes (suite)

1 Le module (suite)
Distance entre complexes : Lorsque x, y ∈ C, la quantité d(x, y) = |x − y| est appelée la distance
entre les deux complexes x et y.
La fonction distance vérifie les propriétés suivantes : pour tout x, y, z ∈ C,
— Positivité : d(x, y) ∈ R+ .
— d(x, y) = 0 ⇐⇒ x = y : d permet de séparer les complexes.
— Symétrie : d(x, y) = d(y, x).
— Inégalité triangulaire : d(x, z) ≤ d(x, y) + d(y, z).
Définition. Soit a ∈ C et r ∈ R+ .
— La boule fermée de centre a et de rayon r est Bf (a, r) = {z ∈ C/|z − a| ≤ r}. C’est le disque
de centre a et de rayon r.
— Lorsque r > 0, la boule ouverte de centre a et de rayon r est
Bo (a, r) = {z ∈ C/d(a, z) < r}. C’est le disque ouvert de centre a et de rayon r.
— La sphère de centre a et de rayon r est S(a, r) = {z ∈ C/d(a, z) = r}. C’est le cercle de centre
a et de rayon r.
Définition. S(0, 1) s’appelle la sphère unité ou bien le cercle unité. Il est noté U.
1
Propriété. Pour tout z ∈ C, z ∈ U ⇐⇒ z = .
z
Théorème.
z
Pour tout z, z 0 ∈ C, |z + z 0 | ≤ |z| + |z 0 |, avec égalité si et seulement si z 0 = 0 ou bien 0 ∈ R+ .
z
Généralisation : (hors programme) |z1 + · · · + zn | ≤ |z1 | + · · · + |zn |, avec égalité si et seulement si,
zi
pour tout i, j tels que 1 ≤ i < j ≤ n, (zj = 0) ∨ ( ∈ R+ ).
zj
Corollaire de l’inégalité triangulaire :
— Pour tout z, z 0 ∈ C, ||z| − |z 0 || ≤ |z − z 0 |.
— Pour tout a, b, c ∈ C, |d(a, b) − d(b, c)| ≤ d(a, c).
Définition. Une partie A de C est bornée si et seulement si il existe R ∈ R+ tel que, pour tout
a ∈ A, |a| ≤ R, c’est-à-dire si et seulement si A est incluse dans un disque centré en 0.
1
50
Semaine 11 : Résumé de cours 2 Fonctions à valeurs dans C
2 Fonctions à valeurs dans C

2.1 Fonctions bornées
Définition. Soit E un ensemble quelconque et f une application de E dans C.
On dit que f est bornée sur E si et seulement si {f (x)/x ∈ E} est une partie bornée de C.
Notation. Soit f une application d’un ensemble E dans C.
Re(f ) : E −→ R Im(f ) : E −→ R
On note et . On les appelle les parties réelle
x 7−→ Re(f (x)) x 7−→ Im(f (x))
et imaginaire de l’application f .
Propriété. Avec ces notations, f est bornée sur E si et seulement si Re(f ) et Im(f ) sont bornées.
2.2 Dérivation
Définition. Soit I un intervalle inclus dans R et f : I −→ C une application. On verra plus loin
que f est continue (resp : dérivable, k fois dérivable, de classe C k où k ∈ N∗ ∪ {∞}) si et seulement
si les applications Re(f ) et Im(f ) sont continues (resp : dérivables, k fois dérivables, de classe C k où
k ∈ N∗ ∪ {∞}). De plus, lorsque f est k fois dérivable, où k ∈ N∗ , on verra que,
pour tout t ∈ I, f (k) (t) = [Re(f )](k) (t) + i[Im(f )](k) (t).
Propriété. Les formules suivantes, déjà admises pour des fonctions de R dans R sont aussi valables
pour des fonctions de R dans C, ainsi que nous le démontrerons plus tard.
Les fonctions qui interviennent dans ces formules sont toutes supposées dérivables sur un intervalle.
On se limite éventuellement à un sous-intervalle pour s’assurer que les quantités qui interviennent
dans les formules sont bien définies. :
— Pour tout α, β ∈ C, (αf + βg)0 = αf 0 + βg 0 .
— (f g)0 = f 0 g + f g 0 .
1 0 f0
— = − 2.
f f
f f 0 g − g0 f
— = .
g g2
— Si g : R −→ R, alors (f ◦ g)0 = g 0 × (f 0 ◦ g).
— Pour tout n ∈ Z, (f n )0 = nf 0 × f n−1 .
Formule de Leibniz : Soient f et g deux applications d’un intervalle I dans C. Si f et g sont n fois
dérivables sur I, alors f g est n fois dérivable sur I et
Xn
n
(f g)(n) = f (k) g (n−k) .
k
k=0
2.3 Intégration
Définition. Soit I un intervalle de R. Soit f : I −→ C une application continue. Pour tout a, b ∈ I,
on pose
Z b Z b Z b
f (t) dt = Re(f (t)) dt + i Im(f (t)) dt.
a a a
Z b Z b Z b Z b
Remarque. Ainsi, Re f (t) dt = Re(f (t)) dt et Im f (t) dt = Im(f (t)) dt.
a a a a
On admettra pour le moment que les intégrales vérifient les propriétés suivantes :
Propriété. Soit I un intervalle inclus dans R.
Soit f et g deux applications continues de I dans C. Soit a, b ∈ I.

51
Semaine 11 : Résumé de cours 3 L’exponentielle complexe
Z b Z b Z b
— Linéarité : Pour tout α, β ∈ C, (αf + βg) = α f +β g.
a Z b aZ Za
c b
— Relation de Chasles : Pour tout c ∈ I, f (t)dt = f+ f.
Z b Z amax(a,b) a c
— Inégalité triangulaire : f (t) dt ≤ |f (t)| dt.

a min(a,b)
Définition. Soit I un intervalle de R et f une application de I dans C que l’on suppose continue.
On dit que F est une primitive de f sur I si et seulement si F est dérivable et F 0 = f .
Si F0 est une primitive de f , alors les autres primitives de f sont exactement les applications F0 + k,
où k est une fonction constante.
Théorème : Soit I un intervalle
Z x de R et f une application de I dans C que l’on suppose continue.
Soit x0 ∈ I. Alors x 7−→ f (t)dt est l’unique primitive de f qui s’annule en x0 .
x0
Corollaire. Soit f une application continue d’un intervalle I dans C.

Z b
∆
Si F est une primitive de f , alors pour tout a, b ∈ I, f (t)dt = F (b) − F (a) = [F (t)]ba .
a
Z b
Corollaire. Si f est C de I dans C, pour tout a, b ∈ I,
1
f 0 (t)dt = f (b) − f (a).
a
Z
Notation. L’écriture “ f (t) dt = F (t) + k, t ∈ I” signifiera que f est continue de I dans C et que
l’ensemble des primitives de f est {F + k/k ∈ C}.
Changement de variable : si f : I −→ C est continue et si ϕ : J −→ I est de classe C 1 , alors
∀(α, β) ∈ J 2
Z β Z ϕ(β)
0
f (ϕ(t))ϕ (t)dt = f (x)dx. Cette égalité correspond au changement de variable x = ϕ(t).
α ϕ(α)
Intégration par parties : soit u : I −→ C et v : I −→ C deux applications de classe C 1 sur I.

Z b Z b
0
2
Pour tout (a, b) ∈ I , b
u(t)v (t) dt = [u(t)v(t)]a − u0 (t)v(t) dt.
Z a Z a
On a aussi : u(t)v 0 (t) dt = u(t)v(t) − u0 (t)v(t) dt, t ∈ I.
La formule d’intégration par parties itérée reste valable pour des fonctions de I dans C, ainsi que la
formule de Taylor avec reste intégral, l’inégalité de Taylor-Lagrange et celle de Taylor-Young.
3 L’exponentielle complexe
3.1 En théorie
Définition. Une suite (zn )n∈N de complexes converge vers ` ∈ C si et seulement si
∀ε > 0, ∃N ∈ N, ∀n ≥ N, |zn − `| ≤ ε.
On dit que (zn )n∈N est convergente si et seulement si il existe ` ∈ C tel que zn −→ `.
n→+∞
P
Définition. La série de complexes zn converge si et seulement si la suite de ses sommes partielles
Xn +∞
X Xn
zk est une suite convergente. On note alors zn = lim zk .
n∈N n→+∞
k=0 n=0 k=0

52
P
Propriété. Si zn est une série convergente de complexes, alors zn −→ 0.
Pn→+∞
La réciproque est fausse : on peut avoir zn −→ 0 alors que la série zn diverge.
n→+∞
P X P
Théorème. Si |zn | converge alors zn est une série convergente. On dit alors que la série zn
est absolument convergente.
Définition. On a vu, grâce à l’inégalité de Taylor-Lagrange, que pour tout t ∈ R,
Xn
tk X z n
t
e = lim . Ainsi, pour tout complexe z ∈ C, la série est absolument convergente.
n→+∞ k! n! n∈N
k=0
Xn
zk
Ceci permet de prolonger l’exponentielle réelle sur C, en convenant que ∀z ∈ C, ez = lim .
n→+∞ k!
k=0
Propriété. Soit (zn )n∈N une suite de complexes qui converge vers ` ∈ C. Alors zn −→ `.
n→+∞

Propriété. Pour tout z ∈ C, ez = ez .
Propriété. Pour tout u, v ∈ C, eu ev = eu+v .
1
Corollaire. Pour tout z ∈ C, ez 6= 0 et z = e−z .
e
Propriété. |ez | = eRe(z) .
Théorème. ez ∈ U ⇐⇒ z ∈ iR.
Formules d’Euler :
∆ eiθ + e−iθ ∆ eiθ − e−iθ

cos θ = Re(eiθ ) = et sin θ = Im(eiθ ) = .
2 2i
De plus,
eiθ = cos θ + i sin θ .
+∞
X +∞
X
θ2n θ2n+1
Propriété. Pour tout θ ∈ R, cos θ = (−1)n et sin θ = (−1)n .
n=0
(2n)! n=0
(2n + 1)!
Corollaire. sin est une fonction impaire et cos est une fonction paire.
cos et sin sont de classe C ∞ et cos0 = − sin, sin0 = cos.
Formule circulaire : Pour tout θ ∈ R, cos2 θ + sin2 θ = 1.
Formule d’addition : cos(a + b) = cos a cos b − sin a sin b et sin(a + b) = sin a cos b + cos a sin b.
P
Définition.
P On appelle série alternée toute série réelle de la forme (−1)n αn ou
(−1)n+1 αn , où pour tout n ∈ N, αn ∈ R+ .
Théorème
P spécial des séries alternées (TSSA).
Soit On dit qu’elle est spéciale alternée lorsque la suite (|an |) est décroissante
an une série alternée.P
et tend vers 0. Dans ce cas, an est convergente.
+∞
X +∞
X
De plus, pour tout n ∈ N, ak est du signe de son premier terme an et | ak | ≤ |an+1 |.
k=n k=n+1

53
Propriété. L’application cos est strictement décroissante sur ]0, 2] et elle possède un unique zéro sur
π
]0, 2], que l’on notera : c’est la définition de π.
2
Propriété. Pour tout x ∈ R, cos(x + π2 ) = − sin(x) et sin(x + π2 ) = cos(x).
On dispose des tableaux de variations suivants :
π 3π
x 0 2 π 2 2π
cos(x) 1 & 0 & −1 % 0 % 1
sin(x) 0 % 1 & 0 & −1 % 0
2π est la plus petite période de cos, ainsi que de sin.
Propriété. Soit (a, b) ∈ R2 tel que a2 + b2 = 1.
Il existe un unique θ ∈ [0, 2π[ tel que a = cos(θ) et b = sin(θ).
Corollaire. Soit θ, ϕ ∈ R tels que cos θ = cos ϕ et sin θ = sin ϕ. Alors θ ≡ ϕ [2π].
R −→ U
Paramétrage du cercle unité : l’application est périodique et sa plus petite période
t 7−→ eit
est 2π. Sa restriction à [0, 2π[ est bijective.
[a, b] −→ C
M:
Définition. Soit a, b ∈ R avec a < b et une application de classe C 1 .
t 7−→ M (t)
Notons C = {M (t)/t ∈ [a, b]} : C est une courbe dans le plan complexe, dont l’application M est un
Z b
paramétrage. Par définition, la longueur de C est égale à |M 0 (t)|dt.
a
it
Propriété. Soit θ ∈ [0, 2π]. Notons Cθ = {e /t ∈ [0, θ]} : Cθ est une portion du cercle unité. Sa
longueur est égale à θ.
3.2 Arguments d’un complexe
Propriété. Si z = a + ib, où (a, b) ∈ R2 , ez = ea (cos(b) + i sin(b)).

Définition. Pour tout z ∈ C, il existe ρ, θ ∈ R tels que z = ρeiθ . On dit alors que (ρ, θ) est un couple
de coordonnées polaires du point M (z) (l’image du complexe z).
On peut imposer ρ ≥ 0. Dans ce cas, ρ = |z|. On dit alors que θ est un argument de z et l’on note
θ = arg(z).
Lorsque z 6= 0, on peut imposer ρ > 0 et θ ∈ [0, 2π[. Dans ce cas, le couple (ρ, θ) est unique.
Définition. Un complexe z possède ainsi deux écritures usuelles :
— l’écriture algébrique : z = a + ib avec a, b ∈ R, ou bien z = Re(z) + iIm(z) ;
— l’écriture trigonométrique (ou exponentielle, ou polaire) : z = ρeiθ , avec ρ ∈ R+ et θ ∈ R
(l’angle θ n’est défini que modulo 2π), ou bien z = |z|ei arg(z) .
Les relations suivantes font le lien entre ces deux écritures :
lorsque z = a + ib = ρeiθ avec a, b, ρ, θ ∈ R et ρ ≥ 0,
p a b b
ρ= a2 + b2 , cos θ = √ , sin θ = √ , tan θ = .
a2+ b2 a2 + b2 a
b
De plus, si θ ∈] − π, π[, alors θ = 2arctan √ .
a+ a2 + b2
Propriétés de l’argument : Si z, z1 , z2 sont trois complexes non nuls, alors
— arg(z1 z2 ) ≡ arg(z1 ) + arg(z2 ) [2π] ;
1
— arg ≡ arg(z) ≡ −arg(z) [2π] ;
z

54
z
1
— arg ≡ arg(z1 ) − arg(z2 ) [2π] ;
z2
— pour tout n ∈ Z, arg(z n ) ≡ n arg(z) [2π] ;
— arg(−z) ≡ arg(z) + π [2π] ;
z1
— (arg(z1 ) ≡ arg(z2 ) [2π]) ⇐⇒ ∈ R∗+ .
z2
Remarque. Pour tout z ∈ C, arg(ez ) ≡ Im(z) [2π].
Interprétation géométrique du produit dans C : Fixons z0 = ρ0 eiθ0 , où ρ0 ∈ R+ et θ0 ∈ R.
La multiplication par z0 , c’est-à-dire l’application z 7−→ zz0 est la composée de h : z 7−→ ρ0 z avec
r : z 7−→ zeiθ0 . h s’interprète géométriquement comme une homothétie de centre O et de rapport ρ0
et r comme la rotation de centre O et d’angle θ0 .
Propriété. Soit (ρ, θ) ∈ R∗+ × R. Pour tout z ∈ C, ez = ρeiθ ⇐⇒ (∃k ∈ Z, z = ln(ρ) + iθ + 2ikπ).
C −→ C∗
En particulier, l’application exponentielle est surjective et 2iπ périodique.
z 7−→ ez
Formule de Moivre : Pour tout n ∈ N et t ∈ R, eint = (cos t + i sin t)n .
d zt
Propriété. Pour tout z ∈ C, (e ) = zezt .
dt
∆
Définition. Pour tout α ∈ C et x ∈ R∗+ , on note xα = eα ln x .
d α
Propriété. Pour tout α ∈ C, (t ) = αtα−1 .
dt
α+β α−β −α+β α+β α−β
Technique de l’angle moyen : eiα + eiβ = ei 2 (ei 2 + ei 2 ) = 2ei 2 cos( )
2
α+β α−β −α+β α+β α−β
et eiα − eiβ = ei 2 (ei 2 − ei 2 ) = 2iei 2 sin( ).
2
3.3 Linéarisation
Définition. Linéariser une expression trigonométrique, c’est transformer un produit de quantités

en sin et cos en une somme de sin ou cos. Une méthode de linéarisation consiste à suivre les étapes
suivantes :
— On remplace chaque occurrence en cos ou sin par son expression issue des formules d’Euler ;
— On développe les différents produits qui apparaissent alors ;
— On regroupe les différents termes à l’aide des formules d’Euler pour faire apparaı̂tre une somme
de cos et de sin.
3.4 Antilinéarisation
Exercice. Il faut savoir le démontrer.

Montrer que, pour tout n ∈ N, il existe un unique polynôme Tn tel que, pour tout θ ∈ R,
Tn (cos θ) = cos nθ. Tn est appelé le n-ième polynôme de Tchebychev de première espèce.
Exercice. De même, sin(n + 1)θ = (sin θ)Sn (cos θ). Sn est le n-ième polynôme de Tchebychev
de seconde espèce.

55
Semaine 12 – Équations polynomiales, géométrie dans le plan complexe, similitudes directes et indirectes
Semaine 12 (du 2 au 6 décembre) :

Résumé de cours
Les complexes (fin)

1 Équations polynomiales
1.1 Racines n-ièmes d’un complexe
Les racines n-ièmes de a ∈ C∗ sont les solutions de l’équation z n = a en l’inconnue z ∈ C∗ .
1 ϕ
Posons a = reiϕ . Alors, en notant
z0 = r n ei n on a z0n = a. Ainsi,
z n z 1 2kπ+ϕ
z n = a ⇐⇒ z n = z0n ⇐⇒ = 1 ⇐⇒ ∈ Un ⇐⇒ (∃k ∈ {0, . . . , n − 1}, z = r n ei n ).
z0 z0
a possède donc exactement n racines n-ièmes, disposées selon un polygone régulier à n côtés, inscrit
1
dans le cercle de centre O et de rayon |a| n .
1.2 Équations du second degré

1.2.1 Racines carrées
√ ϕ
a = reiϕ (avec r > 0) possède exactement deux racines carrées égales à ± rei 2 .
Lorsque a = x + iy avec x, y ∈ R,on peut déterminer les racines carrées de a selon le procédé suivant :
p x = α2 − β 2
Si z = α + iβ, alors z 2 = a ⇐⇒ x2 + y 2 = α 2 + β 2 .

sgn(y) = sgn(αβ)
1.2.2 Racines d’un trinôme

−b ± δ
Formule : Soit a, b, c ∈ C avec a 6= 0. Les solutions de l’équation az 2 + bz + c = 0 sont , où δ
2a
est une racine carrée du discriminant ∆ = b2 − 4ac.
−b
Ces deux racines sont égales si et seulement si ∆ = 0. Dans ce cas, l’unique racine vaut . On dit
2a
que c’est une racine double.
Propriété. Soit a, b, c ∈ C avec a 6= 0. Notons z1 et z2 les deux racines (éventuellement égales à une
−b c
racine double) du trinôme aX 2 + bX + c. Alors z1 + z2 = et z1 z2 = .
a a
Propriété. Soit s, p ∈ C.

z1 + z2 = s
si et seulement si {z1 , z2 } est l’ensemble des racines du trinôme X 2 − sX + p.
z1 z2 = p
1
56
Semaine 12 : Résumé de cours 3 Les similitudes
2 Géométrie du plan complexe

2.1 Distances et angles
Propriété. Soit A, B, C trois points du plan usuel, d’affixes respectifs a, b, c ∈ C.

−−→
— Le vecteur AB est d’affixe b − a ;
— La distance AB entre A et B est égale à |b − a| ;
b − c
\
−→
— L’angle orienté (CA,
−−→ −→\
CB) vérifie (CA,
−−→
CB) ≡ arg [2π].
a−c
Il faut savoir démontrer la dernière propriété.
2.2 Orthogonalité et colinéarité
Propriété. Soit →−
u et →−v deux vecteurs non nuls d’affixes u = a + ib et v = c + id.
→
− →
− u ∆ a c ∆
— u // v ⇐⇒ ∈ R ⇐⇒ Im(uv) = 0 ⇐⇒ ad − bc = = det(→−
u,→
−v ) = 0.
v b d
det(→ −u,→−
v ) est le déterminant (aussi appelé le produit mixte) des deux vecteurs →
−
u et →
−
v.
→
− →
− u ∆ →
− →
−
— u ⊥ v ⇐⇒ ∈ iR ⇐⇒ Re(uv) = 0 ⇐⇒ ac + bd =< u , v >= 0.
v
<→ −
u,→ −
v > est le produit scalaire des deux vecteurs → −u et →
−
v.
Corollaire. Soit A, B, C trois points du plan usuel, d’affixes respectifs a, b, c ∈ C.
a−b
— (A, B et C sont alignés) ⇐⇒ ∈ R ⇐⇒ Im((a − b)(c − b)) = 0, c’est-à-dire
c−b
C ∈ (AB) ⇐⇒ arg(c − a) ≡ arg(b − a) [π] ⇐⇒ (∃t ∈ R, c = (1 − t)a + tb).
a−b
— (Le triangle ABC est rectangle en B) ⇐⇒ ∈ iR ⇐⇒ Re((a − b)(c − b)) = 0.
c−b
2.3 Équation d’un cercle

Notons C le cercle de centre α = a + ib ∈ C et de rayon r > 0. Alors
z = x + iy ∈ C ⇐⇒ |z − α| = r ⇐⇒ (z − α)(z − α) = r2 ⇐⇒ x2 + y 2 − 2ax − 2by = r2 − a2 − b2 .
Réciproquement, un ensemble admettant une équation cartésienne de la forme
x2 + y 2 − 2ax − 2by = c est un cercle éventuellement réduit à un point ou à l’ensemble vide.
3 Les similitudes
3.1 Les similitudes directes
Définition. Une application f : C −→ C est une isométrie si et seulement si elle conserve les
distances, c’est-à-dire si et seulement si , pour tout z, z 0 ∈ C, |f (z) − f (z 0 )| = |z − z 0 |.
Définition. La translation de vecteur b ∈ C est la transformation tb : z 7−→ z + b. Elle est bijective,
6 0, c’est une isométrie.
d’application réciproque t−b , elle ne possède aucun point fixe lorsque b =
Définition. La rotation de centre z0 ∈ C et d’angle θ ∈ R est la transformation
rz0 ,θ : z 7−→ eiθ (z − z0 ) + z0 . Elle est bijective, d’application réciproque rz0 ,−θ , elle admet z0 comme
unique point fixe lorsque θ ∈ / 2πZ, c’est une isométrie.
Définition. L’homothétie de centre z0 ∈ C et de rapport λ ∈ R∗ est la transformation
hz0 ,λ : z 7−→ λ(z − z0 ) + z0 . Elle est bijective, d’application réciproque hz0 , λ1 , elle admet z0 comme
unique point fixe lorsque λ 6= 1.

57
Définition. La similitude directe de centre z0 ∈ C, d’angle θ ∈ R et de rapport λ ∈ R∗ est

sz0 ,θ,λ = hz0 ,λ ◦rz0 ,θ = rz0 ,θ ◦hz0 ,λ = z 7−→ λeiθ (z −z0 )+z0 . Elle est bijective, d’application réciproque
sz0 ,−θ, λ1 , elle admet z0 comme unique point fixe lorsque λeiθ 6= 1, elle conserve les proportions (pour
tout z, z 0 ∈ C, en posant s = sz0 ,θ,λ , |s(z) − s(z 0 )| = |λ||z − z 0 |), elle conserve les angles (pour tout
−−−−−→ \ −−−−−→ \
→
− →
−
a, b, c deux à deux distincts, (s(a)s(b), s(a)s(c)) = (ab, ac) : Il faut savoir le démontrer.).
Définition. On dit que f est une similitude affine directe si et seulement si c’est une application de
C dans C de la forme z 7−→ az + b, où a ∈ C∗ et b ∈ C.
On dit que c’est une similitude vectorielle directe lorsque f (0) = 0.
Propriété. Soit f : z 7−→ az + b une similitude directe.
Lorsque a = 1, c’est une translation.
Lorsque a 6= 1, f possède un unique point fixe z0 ∈ C et f est la similitude directe de centre z0 ,
d’angle arg(a) et de rapport |a|.
Propriété. L’ensemble S + des similitudes affines directes est un sous-groupe de S(C), dont l’ensemble
des similitudes vectorielles directes est un sous-groupe.
Propriété. L’application qui à la similitude z 7−→ az + b associe a (resp : |a|) est un morphisme de
groupes, dont le noyau est le sous-groupe des translations (resp : des rotations et des translations).
Corollaire. Une composée, quel que soit l’ordre, de translations, de rotations dont la somme des
angles est égale à θ et d’homothéties dont le produit des rapports est égal à λ est une similitude directe
de la forme z 7−→ λeiθ z + b.
3.2 Les similitudes indirectes
Définition. Soit D une droite affine du plan usuel. La réflexion d’axe D est la symétrie orthogonale
par rapport à D.
Propriété. la conjugaison z 7−→ z est la réflexion d’axe Ox.
Remarque. La suite de ce paragraphe est hors programme.
Propriété. Soit θ ∈ R. L’application z 7−→ e2iθ z est la réflexion (vectorielle) selon la droite (vecto-
rielle) eiθ R.
Propriété. Soit θ ∈ R et z0 ∈ C. L’application z 7−→ e2iθ (z − z0 ) + z0 est la réflexion (affine) selon
la droite (affine) z0 + eiθ R.
Propriété. Soit θ ∈ R et z0 ∈ C. Notons rD la réflexion selon la droite D.
rD est involutive, D est l’ensemble de ses points fixes, rD est une isométrie, rD transforme les angles
−−−−−→\ −−−−−→ \
→
− →
−
en leurs opposés : pour tout a, b, c deux à deux distincts, (s(a)s(b), s(a)s(c)) = −(ab, ac).
Définition. On dit que f est une similitude affine indirecte si et seulement si c’est une application
de C dans C de la forme z 7−→ az + b, où a ∈ C∗ et b ∈ C.
On dit que c’est une similitude vectorielle indirecte lorsque f (0) = 0.
Une similitude affine indirecte f transforme les angles en leurs opposés et conserve les proportions :
|f (z) − f (z 0 )|
est une constante indépendante de (z, z 0 ) ∈ C2 avec z 6= z 0 .
|z − z 0 |
Définition. Une réflexion glissée d’axe D est la composée commutative d’une réflexion d’axe D avec
une translation selon un vecteur parallèle à D.

58
Propriété. La composée d’une homothétie et d’une réflexion glissée est une similitude affine indirecte.
Propriété. Soit f : z 7−→ λe2iθ z + b une similitude affine indirecte. C’est la composée d’une
homothétie de rapport λ avec une réflexion glissée selon une droite parallèle au vecteur eiθ .
Définition. On note S − l’ensemble des similitudes indirectes et S = S − t S + .
S est un sous-groupe de S(C).
La composée de k éléments de S + avec h éléments de S − , quel que soit l’ordre, est un élément de S +
si h est pair et de S − si h est impair.
Propriété. (Admise pour le moment) : Soit f : C −→ C une application. f ∈ S si et seulement si
il existe λ ∈ R∗+ tel que, pour tout z, z 0 ∈ C, |f (z) − f (z 0 )| = λ|z − z 0 |.
Propriété. L’application qui associe à toute similitude z 7−→ az + b ou z 7−→ az + b la quantité |a|
est un morphisme de groupes, donc le noyau est le sous-groupe des isométries noté I.
Propriété. Posons I + = I ∩ S + et I − = I ∩ S − .
I + est l’ensemble des translations et des rotations.
I − est l’ensemble des réflexions glissées.
0
Propriété. Soit D = z0 + eıθ R et D0 = z00 + eıθ R deux droites affines.
Si θ 6≡ θ0 [π], alors D ∩ D0 est un singleton {z0 } et rD0 ◦ rD est la rotation de centre z0 et d’angle
2(θ0 − θ) = 2(D,\ D0 ).
0
Sinon, D et D sont parallèles et rD0 ◦ rD est une translation.

59
Semaine 13 – Groupes, sous-groupes, monogènes, cycliques, morphismes, groupe symétrique, anneaux

Résumé de cours
1 La structure de groupe
1.1 Définitions
Définition. (G, .) est un groupe si et seulement si G est muni d’une loi interne “.” qui vérifie
— l’associativité : pour tout x, y, z ∈ G, x(yz) = (xy)z ;
— l’existence d’un élément neutre 1G : pour tout x ∈ G, 1G .x = x.1G = x :
— l’existence, pour tout x ∈ G, d’un symétrique x−1 tel que : xx−1 = x−1 x = 1G .
Définition. Pour un groupe, “commutatif” et “abélien” sont synonymes.
Notation. On utilise principalement deux notations pour désigner la loi interne d’un groupe :
Notation multiplicative : dans un groupe (G, .), l’élément neutre est noté 1 ou 1G , le symétrique de
n
Y
x ∈ G est noté x−1 et si x1 , . . . , xn ∈ G, on note x1 × · · · × xn = xi , en convenant que ce produit
i=1
vaut 1G lorsque n = 0 (produit vide).
Notation additive : dans un groupe abélien (G, +), l’élément neutre est noté 0 ou 0G , le symétrique
n
X
de x ∈ G est noté −x et si x1 , . . . , xn ∈ G, on note x1 + · · · + xn = xi , en convenant que cette
i=1
somme vaut 0G lorsque n = 0 (somme vide).
Définition. Si (G, .) est un groupe fini, le cardinal de G est appelé l’ordre de G.
1.2 Calculs dans un groupe
Propriété. Soit (G, .) un groupe et a ∈ G. Alors a est régulier (ou simplifiable) à gauche et à droite,
c’est-à-dire que ∀x, y ∈ G, [ax = ay =⇒ x = y] et [xa = ya =⇒ x = y].
−1
Propriété. Dans un groupe (G, .), (x1 × · · · × xn )−1 = x−1
n × · · · × x1 .
∆
Propriété. Dans un groupe abélien (G, +), on pose x − y = x + (−y).
On dispose des formules : x − (y + z) = x − y − z et x − (y − z) = x − y + z.
1.3 Construction de groupes

1.3.1 Groupe produit
Définition. Le groupe produit des n groupes ((Gi , .i ))i∈{1,...,n} est (G, .), où G = G1 × · · · × Gn et
où la loi “.” est définie par : (x1 , . . . , xn ).(y1 , . . . , yn ) = (x1 .1 y1 , . . . , xn .n yn ).
1
60
1.3.2 Produit fonctionnel
Définition. Soit (G, .) un groupe et A un ensemble quelconque. Pour tout f, g ∈ GA , on convient

que f.g est l’application de A dans G définie par : ∀a ∈ A, (f.g)(a) = f (a).g(a).
Alors GA est un groupe, dont l’élément neutre est l’application constante a 7−→ 1G et pour lequel le
f −1 : A −→ G
symétrique de f ∈ GA est .
a 7−→ [f (a)]−1
1.3.3 Le groupe symétrique
Propriété. Si E est un ensemble, alors l’ensemble des bijections de E dans E est un groupe pour la
loi de composition. On l’appelle le groupe symétrique de E et on le note S(E). Son élément neutre
est l’application identité IdE et, pour tout f ∈ S(E), le symétrique de f est la bijection réciproque
de f , dont la notation f −1 est en cohérence avec cette propriété.
1.4 Sous-groupes
1.4.1 Définition
Propriété et définition : Soit (G, .) un groupe et H une partie de G.
H est un groupe pour la restriction de la loi “.” à H × H, avec le même élément neutre 1G si et
seulement si
— H 6= ∅ ;
— ∀(x, y) ∈ H 2 , xy ∈ H (stabilité du produit) ;
— ∀x ∈ H , x−1 ∈ H (stabilité du symétrique).
Cet ensemble de conditions est équivalent à
— H 6= ∅ ;
— ∀(x, y) ∈ H 2 , xy −1 ∈ H.
Dans ce cas, on dit que H est un sous-groupe de G.
Propriété de transitivité : Un sous-groupe d’un sous-groupe d’un groupe G est un sous-groupe
de G.
1.4.2 Groupe engendré par une partie
Propriété. Soit I un ensemble non vide, éventuellement

\ infini. Soient G un groupe et (Hi )i∈I une
famille de sous-groupes de G. Alors l’intersection Hi est un sous-groupe de G.
i∈I
Définition. Soit G un groupe et A une partie de G.
Notons\ S l’ensemble des sous-groupes de G contenant A. S est non vide car G ∈ S.
Alors H est un sous-groupe de G contenant A et, par construction, c’est le plus petit sous-groupe
H∈S
contenant A. On le note Gr(A).
Propriété. Si A ⊂ B, alors Gr(A) ⊂ Gr(B).
−1 −1
Propriété. Soit
( (G,
n
.) un groupe et A une partie de G. Notons ) A = {a /a ∈ A}.
Y
Alors Gr(A) = ai /n ∈ N, ∀i ∈ {1, . . . , n}, ai ∈ A ∪ A−1 .
i=1
Définition. Si H et K sont deux sous-groupes d’un groupe abélien (G, +), on note
H + K = {h + k/(h, k) ∈ H × K}. C’est le groupe engendré par H ∪ K.

61
Définition. Soit G un groupe et A une partie de G.

A est une partie génératrice de G si et seulement si Gr(A) = G.
1.4.3 Puissances d’un élément d’un groupe
Définition. Soit (G, .) un groupe et a ∈ G. On définit la famille (an )n∈Z par les relations suivantes :
— Initialisation : a0 = 1G (encore le produit vide) ;
— Itération : pour tout n ∈ N, an+1 = a.an (donc pour n ∈ N∗ , an = a × · · · × a) ;
| {z }
nf ois
— Symétrique : pour tout n ∈ Z avec n < 0, an = (a−n )−1 .
Formules : pour tout n, m ∈ Z, an am = an+m et (an )m = anm .
Si ab = ba (on dit que a et b commutent), pour tout n ∈ Z, (ab)n = an bn .
Remarque. Si a et b commutent, alors pour tout n, k ∈ Z, an et bk commutent également entre eux.
En notation additive, dans le cadre des groupes commutatifs, ce qui précède devient :
Définition. soit (G, +) un groupe commutatif et a un élément de G. On définit la famille (na)n∈Z
par les relations suivantes :
— Initialisation : 0.a = 0G ;
— Itération : pour tout n ∈ N, (n + 1).a = a + (n.a)
(donc pour n ∈ N∗ , n.a = a + · · · + a) ;
| {z }
nf ois
— Symétrique : pour tout n ∈ Z avec n < 0, n.a = −((−n).a).
Propriété. Soit (G, +) un groupe abélien et a, b ∈ G. Pour tout n, m ∈ Z,
(n.a) + (m.a) = (n + m).a, m.(n.a) = (nm).a et n.(a + b) = (na) + (nb).
Propriété. Soit
nX (G, +) un groupe abélieno et A une partie de G.
(A)
Alors Gr(A) = na .a/(na )a∈A ∈ Z .
a∈A
nX
p o
Remarque. En particulier, Gr({x1 , . . . , xp }) = ni xi /(ni )1≤i≤p ∈ Zp .
i=1
1.4.4 Groupe monogène
Propriété. Soit (G, .) un groupe et a ∈ G. Alors le groupe engendré par la partie {a} est
Gr({a}) = {an /n ∈ Z}. On le note plus simplement Gr(a).
Propriété. Soit (G, +) un groupe abélien et a ∈ G. Alors le groupe engendré par la partie {a} est
Gr({a}) = {na/n ∈ Z}. On le note Gr(a). On peut donc écrire Gr(a) = Z.a.
Propriété. Les sous-groupes de (Z, +) sont les nZ, où n ∈ N.
Définition. Soit a un élément d’un groupe G. Lorsque Gr(a) est de cardinal fini, ce cardinal est
appelé l’ordre de a.
Définition. On dit qu’un groupe (G, .) est monogène si et seulement si il existe a ∈ G tel que
G = Gr(a). On dit alors que a est un générateur de G.
Remarque. Tout groupe monogène est abélien.
Définition. Un groupe G est dit cyclique si et seulement si G est monogène et fini.

62
k
Exemple. Un = {e2iπ n /k ∈ {0, . . . , n − 1}} est un groupe cyclique.
Propriété. Soit (G, .) un groupe, a ∈ G et n ∈ N∗ .
Les propriétés suivantes sont équivalentes :
— i) Gr(a) est cyclique de cardinal n.
— ii) {k ∈ N∗ /ak = 1} est non vide et son minimum est égal à n.
— iii) Pour tout k ∈ Z, [ak = 1 ⇐⇒ k ∈ nZ].
— iv) Les éléments de Gr(a) sont exactement 1, a, . . . , an−1 et ils sont deux à deux distincts.
Dans ce cas, n est l’ordre de a et de Gr(a).
1.5 Morphisme de groupes
Définition. Soient (G, ∆) et (H, ∇) deux groupes.

Une application f de G dans H est un morphisme (on dit aussi un homomorphisme) de groupes
si et seulement si
∀(x, y) ∈ G2 f (x∆y) = f (x)∇f (y).
Un isomorphisme est un morphisme bijectif.
Un endomorphisme est un morphisme de G dans lui-même.
Un automorphisme est un endomorphisme bijectif.
(Z, +) −→ (G, .)
Propriété. Si a est un élément de (G, .), alors est un morphisme de groupes.
n 7−→ an
Propriété. Si f est un morphisme de (G, .) dans (H, .), alors
f (1G ) = 1H et pour tout x ∈ G, f (x)−1 = f (x−1 ).
Propriété. En notation additive, si f est un morphisme entre deux groupes abéliens (G, +) et (H, +),
alors f (0G ) = 0H et, pour tout x ∈ G, −f (x) = f (−x).
Propriété. Soit ϕ un morphisme du groupe (G, .) vers le groupe (G0 , .).
Y
n Yn
Alors, pour tout n ∈ N et x1 , . . . , xn ∈ G, ϕ xi = ϕ(xi ).
i=1 i=1
De plus, pour tout n ∈ Z et a ∈ G, ϕ(an ) = ϕ(a)n .
Propriété. Soit ϕ un morphisme du groupe abélien (G, +) vers le groupe abélien (G0 , +). Alors,
X
n Xn
pour tout n ∈ N et x1 , . . . , xn ∈ G, ϕ xi = ϕ(xi ).
i=1 i=1
De plus, pour tout n ∈ Z et a ∈ G, ϕ(na) = nϕ(a).
Propriété. La composée de deux morphismes de groupes est un morphisme de groupes.
Propriété. Si f : G −→ H est un isomorphisme de groupes, f −1 est encore un isomorphisme de
groupes, de H dans G.
Propriété. Soit (G, .) un groupe. On note Aut(G) l’ensemble des automorphismes de G. C’est un
sous-groupe de S(G).
Définition. Soit ϕ : G −→ G un endomorphisme et H un sous-groupe de G. On peut définir ϕ|H H
si et seulement si H est stable par ϕ, c’est-à-dire si et seulement si [∀x ∈ H, ϕ(x) ∈ H]. Dans ce cas,
ϕ|HH est aussi un endomorphisme, appelé l’endomorphisme induit par ϕ sur H, ou plus simplement
la restriction de ϕ à H (il y a bien sûr ambiguı̈té).
Propriété. Soit f un morphisme de G dans H, G0 un sous-groupe de G et H 0 un sous-groupe de H.
Alors f (G0 ) est un sous-groupe de H et f −1 (H 0 ) est un sous-groupe de G.

63

Définition. Soient (G, .) et (H, .) deux groupes, et f un morphisme de G dans H.
On appelle noyau de f le sous-groupe de G suivant :
Ker(f ) = f −1 ({1H }) = {x ∈ G/f (x) = 1H }.
On appelle image de f le sous-groupe de H suivant :
Im(f ) = f (G) = {f (x)/x ∈ G}.
Remarque. En notation additive, Si f est un morphisme dont le groupe d’arrivée (H, +) est abélien,
alors Ker(f ) = f −1 ({0H }) = {x ∈ G/f (x) = 0H }.
Propriété. Soient (G, .) et (H, .) deux groupes, et f un morphisme de G dans H.
f est injective si et seulement si Ker(f ) = {1G },

f est surjective si et seulement si Im(f ) = H.
Propriété. Un groupe est monogène non cyclique si et seulement si il est isomorphe à (Z, +).
1.6 Groupe symétrique
Notation. Pour tout n ∈ N, on pose Nn = {k ∈ N/1 ≤ k ≤ n}. En particulier N0 = ∅.

Définition. Soit n ∈ N. S(Nn ) s’appelle le groupe symétrique de degré n. Il est plus simplement
noté Sn . Ses éléments sont les bijections sur Nn , que l’on appelle aussi des permutations.

1 2 ··· n
Notation. Si f ∈ Sn , on note f = .
f (1) f (2) · · · f (n)
Définition. Soient k ∈ Nn et a1 , a2 . . .ak k éléments distincts de Nn .
On note (a1 a2 . . . ak ) la permutation f telle que : ∀i ∈ {1, . . . , k − 1} f (ai ) = ai+1 ,
f (ak ) = a1 , les autres éléments de Nn étant invariants par f .
On dit que (a1 . . . ak ) est un cycle de longueur k dont le support est {a1 , . . . , ak }.
Définition. On appelle transposition tout cycle de longueur 2.
Si a, b ∈ Nn avec a 6= b, la transposition (a b) échange a et b sans modifier les autres éléments de Nn .
Propriété. Deux cycles dont les supports sont disjoints commutent toujours entre eux.
Théorème. Toute permutation de Sn se décompose de manière unique en un produit (commutatif)
de cycles dont les supports sont deux à deux disjoints.
Propriété. Pour tout n ∈ N∗ , pour toute permutation σ de Sn , il existe k ∈ N et k transpositions
τ1 , . . . , τk telles que σ = τ1 ◦ · · · ◦ τk . Cependant une telle décomposition n’est pas unique.
La démonstration par récurrence est à connaı̂tre.
Formule : (a1 a2 . . . ak ) = (a1 a2 ) ◦ (a2 a3 ) ◦ · · · ◦ (ak−1 ak ) .
Définition. Soit n ∈ N∗ et soit σ ∈ Sn . La décomposition de σ en un produit de transpositions
τ1 ◦ · · · ◦ τk n’est pas unique, mais le nombre k de transpositions utilisées a toujours la même parité.
Ainsi (−1)k ne dépend que de σ. On l’appelle la signature de σ et on le note ε(σ).
Les permutations de signature 1 s’appellent les permutations paires,
Les permutations de signature −1 s’appellent les permutations impaires.
Propriété. L’application signature est l’unique morphisme de Sn dans ({−1, 1}, ×) qui envoie toute
transposition sur −1.

64
Semaine 13 : Résumé de cours 2 La structure d’anneau
Propriété. Soit n ∈ N∗ . On note An l’ensemble des permutations paires de Sn .

C’est un sous-groupe de Sn , appelé le groupe alterné de degré n.
n!
Propriété. Si n ≥ 2, alors |An | = .
2
2 La structure d’anneau
2.1 Définition
Définition. On appelle anneau tout triplet (A, +, .), où A est un ensemble et où “+” et “.” sont
deux lois internes sur A telles que
• (A, +) est un groupe abélien (l’élément neutre étant noté 0 ou 0A ),
• “.” est une loi associative, admettant un élément neutre noté 1 ou 1A ,
• la loi “.” est distributive par rapport à la loi “+”, c’est-à-dire que
∀(x, y, z) ∈ A3 x.(y + z) = (x.y) + (x.z) et (x + y).z = (x.z) + (y.z).
Définition. Un anneau (A, +, .) est commutatif ou abélien si et seulement si la loi “.” est commutative.
2.2 Calculs dans un anneau
Propriété. Si A est un anneau, pour tout x, y ∈ A et n ∈ Z,

0.x = x.0 = 0, (nx).y = x.(ny) = n(x.y). En particulier, −x = (−1A ).x = x.(−1A ).
Exemple. {0} est un anneau en posant 0 + 0 = 0 et 0.0 = 0. On l’appelle l’anneau nul.
Propriété. Si A n’est pas l’anneau nul, alors 1A 6= 0A .
Exemples. Si A est un anneau, pour tout ensemble E, F(E, A) et AN sont des anneaux.
Propriété. Généralisation de la distributivité. Soient A
n
! et n, p ∈ N.
! un anneau,
p
X X X
Pour tout (a1 , . . . , an ) ∈ An et (b1 , . . . , bp ) ∈ Ap ai . bi = ai .bj .
i=1 i=1 1≤i≤n
1≤j≤p
2.3 Puissances d’un élément
Notation. Dans ce paragraphe on fixe un anneau A.

Définition. a ∈ A est inversible si et seulement s’il admet un symétrique (un inverse) pour la loi “.”.
Définition. Si a ∈ A. On définit la famille (an ) par les relations suivantes :
— Initialisation : a0 = 1A ;
— Itération : pour tout n ∈ N, an+1 = a.an (donc pour n ∈ N∗ , an = a × · · · × a) ;
| {z }
nf ois
— Lorsque a est inversible, pour tout n ∈ Z avec n < 0, on note an = (a−n )−1 .
Définition. a ∈ A \ {0} est nilpotent si et seulement si il existe n ∈ N avec n ≥ 2 tel que an = 0.
Propriété. Pour tout n, m ∈ N an am = an+m et (an )m = anm .
Lorsque a est inversible, c’est valable pour tout n, m ∈ Z.
Propriété. Soit a, b ∈ A tels que ab = ba (on dit que a et b commutent).
Pour tout n, m ∈ N, (ab)n = an bn . Lorsque a et b sont inversibles, c’est valable pour tout n, m ∈ Z.

65
2.4 Les sous-anneaux
Définition. Soit (A, +, .) un anneau et B ⊂ A. B est un sous-anneau de A si et seulement si, en le

munissant des restrictions sur B 2 des lois “+” et “.”, B est un anneau possédant les mêmes éléments
neutres que ceux de A.
Propriété. B est un sous-anneau de A ssi 1A ∈ B, et ∀(x, y) ∈ B 2 , x − y ∈ B et xy ∈ B.
Propriété. Si A est un anneau, son plus petit sous-anneau est Z.1A = {n.1A /n ∈ Z}.
2.5 Les corps
Propriété. L’ensemble U (A) des éléments inversibles d’un anneau A est un groupe multiplicatif.
Définition. Un anneau A est un corps si et seulement si
• A n’est pas réduit à {0A },
• A est commutatif,
• et tout élément de A différent de 0A est inversible.
Définition. Soit (K, +, .) un corps et L ⊂ K. L est un sous-corps de K si et seulement si, en le
munissant des restrictions sur L2 des lois “+” et “.”, L est un corps possédant les mêmes éléments
neutres que ceux de K.
Propriété. L est un sous-corps de K ssi c’est un sous-anneau de K tel que : ∀x ∈ L \ {0} x−1 ∈ L.
2.6 Formules
Notation. On fixe un anneau (A, +, .).

n
X
n n
Formule du binôme de Newton. Si a, b ∈ A avec ab = ba, alors (a + b) = ai bn−i .
i
i=0
Formule du multinôme (hors programme) : Soit b1 , . . . , bp des éléments de A qui commutent

X n!
deux à deux. Alors, pour tout n ∈ N, (b1 + · · · + bp )n = bα αp
1 · · · bp .
1
α +···+α =n
α1 ! · · · αp !
1 p
n
X
Formule de Bernoulli : Si a, b ∈ A avec ab = ba, alors an+1 − bn+1 = (a − b) ak bn−k .
k=0
Sommes partielles d’une série géométrique.

n
X
Si x ∈ A et m, n ∈ N avec m ≤ n, (1A − x). xi = xm − xn+1 .
i=m
2.7 Anneaux intègres
Définition. Soit A un anneau.

a ∈ A \ {0} est un diviseur à gauche de 0 si et seulement s’il existe b ∈ A \ {0} tel que ab = 0.
C’est un diviseur à droite de 0 si et seulement s’il existe b ∈ A \ {0} tel que ba = 0.
Propriété. Un élément non nul d’un anneau est régulier à gauche si et seulement si ce n’est pas un
diviseur à gauche de 0. Idem à droite.

66
Définition. Un anneau A est intègre si et seulement si il est commutatif et non nul et s’il n’admet
aucun diviseur de 0, ni à gauche ni à droite, c’est-à-dire si et seulement si, pour tout a, b ∈ A,
ab = 0 =⇒ (a = 0) ∨ (b = 0).
Propriété. Un corps est en particulier un anneau intègre.
2.8 Morphismes d’anneaux
Définition. Soient (A, +A , .A ) et (B, +B , .B ) deux anneaux.

Une application f : A −→ B est un morphisme d’anneaux si et seulement si
• f (1A ) = 1B ,
• ∀(x, y) ∈ A2 f (x +A y) = f (x) +B f (y),
• ∀(x, y) ∈ A2 f (x.A y) = f (x).B f (y).
Un endomorphisme est un morphisme de A dans lui-même.
Remarque. Lorsque f est un morphisme d’anneaux, c’est un morphisme de groupes, d’où Im(f ) et
Ker(f ) = f −1 ({0}).
Propriété. Soient A et B deux anneaux et f un morphisme d’anneaux de A dans B.
Pour tout a ∈ A, p ∈ N et n ∈ Z, f (na) = nf (a), f (ap ) = f (a)p .
Si a est inversible, alors f (a) est inversible et f (an ) = f (a)n . En particulier, f (a−1 ) = f (a)−1 .
Propriété. La composée de deux morphismes d’anneaux est un morphisme d’anneaux.
Propriété. Si f est un isomorphisme d’anneaux, f −1 est encore un isomorphisme d’anneaux.
Propriété. Soient (A, +A , .A ) et (B, +B , .B ) deux anneaux et f : A −→ B un morphisme d’anneaux.
L’image directe par f de tout sous-anneau de A est un sous-anneau de B.
L’image réciproque selon f de tout sous-anneau de B est un sous-anneau de A.
Définition. Soit K et L deux corps et f une application de K dans L. On dit que f est un morphisme
de corps si et seulement si c’est un morphisme d’anneaux.
Propriété. (hors programme) Un morphisme de corps est toujours injectif.
Propriété. Soit f : K −→ L un morphisme de corps.
Si K0 est un sous-corps de K, alors f (K0 ) est un sous-corps de L.
Si L0 est un sous-corps de L, alors f −1 (L0 ) est un sous-corps de K.
2.9 Les anneaux produits
Définition. Soient n ∈ N∗ et ((Ai , +, .))i∈{1,...,n} une famille de n anneaux.

L’anneau produit de cette famille est (A, +, .), où A = A1 × · · · × An et où les lois “+” et “.” sont
définies par : pour tout x = (x1 , . . . , xn ) ∈ A et y = (y1 , . . . , yn ) ∈ A,
x + y = (x1 + y1 , . . . , xn + yn ) et x.y = (x1 .y1 , . . . , xn .yn ).
p : A −→ Ai
Définition. Pour tout i ∈ Nn , la ième projection, i est un morphisme
(a1 , . . . , an ) 7−→ ai
surjectif d’anneaux.

67
Semaine 14 – Idéaux, groupes et anneaux quotients

Résumé de cours
1 Les idéaux
Définition. Une partie I d’un anneau A est un idéal de A à gauche (resp : à droite) si et seulement
si I 6= ∅, ∀(x, y) ∈ I 2 , x + y ∈ I et ∀(x, y) ∈ A × I, x.y ∈ I (resp : y.x ∈ I).
On dit qu’un idéal est absorbant pour le produit.
Lorsque I est un idéal à gauche et à droite, on dit que c’est un idéal bilatère.
Notation. Pour la suite, on fixe un anneau (A, +, .) que l’on suppose commutatif.
Propriété. Tout idéal est un groupe pour la loi “+”.
Propriété. Soit A un anneau commutatif et I un idéal de A. Alors 1 ∈ I ⇐⇒ I = A .
Propriété. Une intersection d’idéaux de A est un idéal de A.
Définition. Soit B une partie de A. L’idéal engendré par B est l’intersection des idéaux de A
contenant B. C’est le plus petit idéal (au sens de l’inclusion) contenant B. On le note Id(B).
Propriété. Soient B et C deux parties de A telles que C ⊂ B. Alors Id(C) ⊂ Id(B).
Xn
Propriété. Si B est une partie de A, Id(B) = { ai bi /n ∈ N, (a1 , . . . , an ) ∈ An , (b1 , . . . , bn ) ∈ B n }.
i=1
Définition. Un idéal I de A est principal si et seulement si il existe b ∈ A tel que I = Id(b).
Définition. Un anneau est principal si et seulement si c’est un anneau commutatif, intègre et dont
tous les idéaux sont principaux.
Théorème. Z est un anneau principal.
Théorème. Si K est un corps, alors K[X] est un anneau principal.
Propriété. Soit I et J deux idéaux de A. Alors I + J est un idéal de A.
Propriété. Soient A et B deux anneaux commutatifs et f : A −→ B un morphisme d’anneaux.
Ker(f ) est un idéal de A et si I est un idéal de B, f −1 (I) est un idéal de A contenant Ker(f ).
1
68
Semaine 14 : Résumé de cours 3 Anneaux quotients
2 Groupes quotients
Notation. On fixe un groupe (G, .) et un sous-groupe H de G.
On note RH la relation binaire définie sur G par : ∀(x, y) ∈ G2 , [xRH y ⇐⇒ x−1 y ∈ H].
Propriété. RH est une relation d’équivalence et, pour tout x ∈ G, la classe d’équivalence de x pour
∆
RH est x = {xh/h ∈ H} = xH. On note G/H l’ensemble des classes d’équivalence.
Exemple fondamental : lorsque G = (Z, +) et H = nZ, où n ∈ N :

Z/nZ = {k/k ∈ Z}, où k = {k + na/a ∈ Z} .
Théorème de Lagrange (Hors programme) : Si G est de cardinal fini, alors |H| divise |G|.
Corollaire. (Hors programme) Si p est un nombre premier, tout groupe de cardinal p est cyclique.
Théorème. (au programme) : Si (G, .) est un groupe fini, ∀a ∈ G, a|G| = 1G .
Notation. Pour la suite, on suppose que (G, +) est un groupe commutatif.
Ainsi, pour tout x, y ∈ G, xRH y ⇐⇒ y − x ∈ H.
∆
Théorème. En posant, pour tout x, y ∈ G, x + y = x + y, on définit une loi “+” sur G/H pour
laquelle G/H est un groupe commutatif.
G −→ G/H
Définition. est un morphisme, que l’on appelle la surjection canonique.
x 7−→ x
Propriété. Soit n ∈ N. Dans (Z/nZ, +), on dispose des règles de calcul suivantes :
— Pour tout a, b ∈ Z, a = b ⇐⇒ a ≡ b [n],
— Pour a, b ∈ Z, a + nb = a,
— 0 = 0Z/nZ ,
— pour tout k ∈ Z, −k = −k,
— pour tout h, k ∈ Z, h + k = h + k,
— pour tout h, k ∈ Z, hk = hk.
Propriété. Si n = 0, Z/nZ est monogène non cyclique. Il est isomorphe à Z.
Tout groupe monogène non cyclique est isomorphe à Z.
Propriété. Si n ≥ 1, Z/nZ est un groupe cyclique de cardinal n : Z/nZ = {0, 1, 2, . . . , n − 1}.
Si G = Gr(a) est un autre groupe cyclique de cardinal n, il est isomorphe à Z/nZ :
Z/nZ −→ (G, .)
est un isomorphisme.
k 7−→ ak
3 Anneaux quotients
Notation. On fixe un anneau commutatif (A, +, .) et un idéal I de A.
Propriété. (A/I, +, .) est un anneau commutatif en posant, pour tout x, y ∈ A x.y = x.y.
Propriété. Dans l’anneau Z/nZ, on dispose des régles supplémentaires de calculs suivantes :
— Pour tout h, k ∈ Z, hk = h.k.
— 1 = 1Z/nZ .

69
Semaine 15 – Z/nZ, théorème chinois, indicatrice d’Euler, complément HP, caractéristique d’un anneau,
équations différentielles d’ordre 1
Semaine 15 (du 6 au 10 janvier) :

Résumé de cours
1 Z/nZ
1.1 Propriétés spécifiques de Z/nZ
Notation. On fixe n ∈ N avec n ≥ 2.

Propriété. (hors programme) les sous-groupes (resp : les idéaux) de Z/nZ sont les k.Z/nZ, où k est
un diviseur de n. En particulier, l’anneau Z/nZ est principal.
Théorème. Soit k ∈ Z. k engendre le groupe (Z/nZ, +) (resp : est inversible dans l’anneau
−1
(Z/nZ, +, .)) ssi k ∧ n = 1. Dans ce cas, il existe u, v ∈ Z tels que uk + vn = 1 et u = k .
Théorème. Soit n ≥ 2. Z/nZ est un corps (resp : est intègre) si et seulement si n ∈ P.
Notation. Lorsque p ∈ P, le corps Z/pZ est souvent noté Fp .
1.2 Théorème chinois

Théorème des restes chinois : Si a et b sont deux entiers supérieurs à 2 et premiers entre eux,
f : Z/abZ −→ (Z/aZ) × (Z/bZ)
est un isomorphisme d’anneaux.
k 7−→ (k, k)
Il faut savoir le démontrer, en incluant la preuve constructive de la surjectivité : pour h, k ∈ Z,
comment déterminer ` ∈ Z tel que ` ≡ h [a] et ` ≡ k [b] ?
Théorème chinois (généralisation) : Soit n ≥ 2 et a1 , . . . , an n entiers supérieurs à 2 et deux à
deux premiers entre eux :
Z/(a1 × · · · × an )Z −→ (Z/a1 Z) × · · · × (Z/an Z)
est un isomorphisme d’anneaux.
k 7−→ (k, . . . , k)
Remarque. pour h1 , . . . , hn ∈ Z, on peut calculer ` ∈ Z tel que, pour tout i ∈ {1, . . . , n}, ` ≡ hi [ai ].
À connaı̂tre.
1.3 L’indicatrice d’Euler
Définition. Pour tout n ∈ N∗ , on pose ϕ(n) = |U (Z/nZ)|.

Remarque. ϕ(1) = 1, car Z/1.Z est l’anneau nul, pour lequel 0 est inversible.
Pour n ≥ 2, ϕ(n) = #{k ∈ {1, . . . , n − 1}/k ∧ n = 1}.
Propriété. ϕ(1) = 1 et si p est un nombre premier, alors ϕ(p) = p − 1.
Propriété. Si p est premier et si k ∈ N∗ , alors ϕ(pk ) = pk − pk−1 .
1
70
Semaine 15 : Résumé de cours 1 Z/nZ
Propriété. Soit a et b sont deux entiers supérieurs à 2. Si a ∧ b = 1, alors ϕ(ab) = ϕ(a)ϕ(b).

k
Y
Corollaire. Soit n ∈ N avec n ≥ 2, de décomposition primaire n = pm
i .
i
i=1
k
Y 1
Alors ϕ(n) = n 1− .
i=1
pi
Propriété d’Euler-Fermat : Soit n ∈ N avec n ≥ 2 et k ∈ Z. Si k ∧ n = 1, alors k ϕ(n) ≡ 1 [n].

Petit théorème de Fermat : Si p est un nombre premier, alors pour tout k ∈ Z, k p ≡ k [p].
1.4 Compléments hors programme
Notation. On fixe n ∈ N avec n ≥ 2.

Si G est un groupe, on note Aut(G) l’ensemble de ses automorphismes.
U (Z/nZ) −→ Aut(Z/nZ)
Propriété. L’application est un isomorphisme.
x 7−→ [y 7−→ xy]
Corollaire. Si (G, .) est un groupe cyclique d’ordrer n, alors Aut(G) et U (Z/nZ) sont isomorphes. En
U (Z/nZ) −→ Aut(G)
particulier, (Aut(G), ◦) est un groupe abélien. Plus précisément, l’application
k 7−→ [g 7−→ g k ]
est un isomorphisme.
X
Propriété. Soit (G, .) un groupe fini d’ordre n. Alors n = rd ϕ(d), où rd désigne le nombre de
d|n
sous-groupes cycliques de G de cardinal d.
X
Propriété. n = ϕ(d).
d|n
Au moins l’une des deux démonstrations proposées est à connaitre.
Théorème. Si K est un corps, tout sous-groupe fini de (K \ {0}, ×) est cyclique.
Corollaire. Si p ∈ P, (Fp \ {0}, ×) est isomorphe à Z/(p − 1)Z, c’est-à-dire qu’il existe x ∈ Fp \ {0}
tel que x est d’ordre p − 1 : on dit alors que x est une racine primitive de Fp .
Corollaire. Soit (G, .) un groupe de cardinal p ∈ P. Alors Aut(G) est cyclique.
1.5 Caractéristique d’un anneau (hors programme)
Notation. A désigne un anneau commutatif.

Définition. S’il existe n ∈ N∗ tel que n.1A = 0A , la caractéristique de A est
∆
car(A) = min{n ∈ N∗ / n.1A = 0A }. Sinon, on convient que car(A) = 0.
Propriété. Soit A un anneau de caractéristique n : pour tout m ∈ Z, m.1A = 0A ⇐⇒ n|m.

Exemples. L’anneau nul est l’unique anneau de caractéristique 1, car(Z/nZ) = n, car(R) = 0.
Propriété. Deux anneaux isomorphes ont la même caractéristique.

71
Semaine 15 : Résumé de cours 2 Equations différentielles linéaires d’ordre 1
Propriété. Z.1A , le plus petit sous-anneau de A, est isomorphe à Z lorsque car(A) = 0 et à Z/nZ
lorsque car(A) = n ∈ N∗ .
Corollaire. Un anneau de caractéristique nulle est de cardinal infini, la réciproque étant fausse.
Propriété. Si A est intègre et car(A) 6= 0, alors car(A) ∈ P.
Propriété. Si car(A) = p ∈ P, alors x 7−→ xp est un endomorphisme sur A, dit de Frobenius.
Notation. Pour toute la suite de ce paragraphe, K désigne un corps quelconque.
Propriété. La caractéristique d’un corps est ou bien nulle, ou bien un nombre premier.
Propriété. On appelle sous-corps premier de K le plus petit sous-corps de K.
— Si car(K) = p ∈ P, le sous-corps premier de K est Z.1K , il est isomorphe à Z/pZ.
— Si car(K) = 0, le sous-corps premier de K est {(p.1K )(q.1K )−1 / p ∈ Z, q ∈ N∗ }. Il est isomorphe
à Q. En particulier, K est de cardinal infini.
Propriété. Si K est un corps fini de caractéristique p, l’endomorphisme de Frobenius x 7−→ xp sur
K est un automorphisme de corps. Lorsque K = Fp , c’est l’identité.
2 Equations différentielles linéaires d’ordre 1

K désigne R ou C.
On s’intéresse aux équations différentielles (E) : y 0 = a(t)y + b(t) et (H) : y 0 = a(t)y en l’inconnue y,
où I est un intervalle, et où a et b sont deux applications continues de I dans K.
(H) est l’équation homogène (ou bien l’équation sans second membre, ESSM) associée à (E).
Définition. les courbes intégrales de (E) sont les graphes des solutions de (E).
Définition. Soit y0 ∈ K et t0 ∈ I. Le problème de Cauchy relatif à (E) et au couple (t0 , y0 ) est la
recherche des solutions y de (E) vérifiant la condition initiale y(t0 ) = y0 .
Propriété. Notons SH l’ensemble des solutions de (H) et SE l’ensemble des solutions de (E). Si y0
∆
est une solution de (E), alors SE = {y0 + y/y ∈ SH } = y0 + SH . On dit que la solution générale de
(E) s’obtient en ajoutant une solution particulière de (E) à la solution générale de (H).
Principe de superposition des solutions : Si y1 (resp : y2 ) est solution de (E1 ) : y 0 = a(t)y + b1 (t)
(resp : de (E2 ) : y 0 = a(t)y + b2 (t)), alors pour tout α, β ∈ R, αy1 + βy2 est solution de l’équation
y 0 = a(t)y + αb1 (t) + βb2 (t).
Théorème. Notons A une primitive de a. Alors y 0 = a(t)y ⇐⇒ [∃λ ∈ K ∀t ∈ I y(t) = λeA(t) ].
Méthode de variation de la constante : avec les notations précédentes, on pose y(t) = λ(t)eA(t) .
Alors (E) ⇐⇒ λ0 (t)eA(t) = b(t).
Propriété. Pour tout problème de Cauchy relatif à (E), il y a existence et unicité d’une solution.

72
Semaine 16 – Équations différentielles linéaires d’ordre 2, équations à variable séparables, espaces vectoriels

Résumé de cours
Première partie
Equations différentielles (suite)
1 Équations différentielles linéaires d’ordre 2
1.1 Équations à coefficients quelconques
Une équation différentielle linéaire d’ordre 2 est de la forme (E) : y” = a(x)y 0 + b(x)y + c(x)
où a, b, c sont trois applications continues d’un intervalle I dans K = R ou C.
L’équation homogène associèe est (H) : y” = a(x)y 0 + b(x)y.
Propriété. Notons SH l’ensemble des solutions de (H) et SE l’ensemble des solutions de (E). Si y0
∆
est une solution de (E), alors SE = {y0 + y/y ∈ SH } = y0 + SH .
Définition. Soit (x0 , y0 , y00 ) ∈ I × K × K. On appelle problème de Cauchy relatif à (E) et au triplet
(x0 , y0 , y00 ) le problème de la recherche des solutions de (E) telles que y(x0 ) = y0 et y 0 (x0 ) = y00 .
Théorème de Cauchy-Lipschitz.
Pour tout (x0 , y0 , y00 ) ∈ I × K × K, il y a existence et unicité au problème de Cauchy relatif à (E) et
au triplet (x0 , y0 , y00 ).
Cas particulier où on connaı̂t une solution ϕ1 de (H) ne s’annulant pas sur I : on pose
y(x) = λ(x)ϕ1 (x). Alors (E) est équivalente à une équation linéaire d’ordre 1 en λ0 .
1.2 Equations linéaires d’ordre 2 à coefficients constants

Ici, (E) : y” + ay 0 + by = f (x), où f : I −→ K est continue, et où a et b sont des constantes.
L’équation homogène associée est (H) : y” + ay 0 + by = 0.
1.2.1 Résolution de (H) : Il faut savoir le démontrer.

χ = X 2 + aX + b est appelé le polynôme caractéristique de (H) ou de (E).
• Premier cas. Si ∆ = a2 − 4b 6= 0, χ admet deux racines complexes distinctes λ et µ.
Alors (H) ⇐⇒ ∃(u, v) ∈ K2 ∀x ∈ R y(x) = ueλx + veµx .
Cas particulier où (a, b) ∈ R2 avec ∆ < 0 : alors λ = α + iβ et µ = α − iβ, avec α, β ∈ R et
(H) ⇐⇒ ∃(u, v) ∈ R2 ∀x ∈ R y(x) = ueαx cos βx + veαx sin βx.
• Deuxième cas. Si ∆ = 0 : χ admet une racine double notée λ.
Alors (H) ⇐⇒ ∃(u, v) ∈ K2 ∀x ∈ R y(x) = eλx (u + xv).
1
73
Semaine 16 : Résumé de cours 2 Equations à variables séparables (hors programme)
1.2.2 Résolution de l’équation avec second membre
Théorème. On suppose qu’il existe λ ∈ K et un polynôme P de K[X] tels que

∀x ∈ I f (x) = eλx P (x). Alors (E) admet une solution particulière de la forme x 7−→ Q(x)eλx , où Q
est une application polynomiale.
Plus précisément, (E) admet sur I une solution particulière de la forme x −→ xm eλx Q(x) où Q est
un polynôme de K[X] de même degré que P , avec m = 0 lorsque λ n’est pas racine de χ, avec m = 1
lorsque λ est une racine simple de χ et avec m = 2 lorsque λ est une racine double de χ.
Remarque. Ce théorème est aussi valable pour les équations différentielles de la forme
(E) : y 0 + by = eλx P (x) où P ∈ K[X] : (E) admet sur I une solution particulière de la forme
x 7−→ Q(x)eλx , où Q est une application polynomiale.
Plus précisément, (E) admet une solution particulière de la forme x −→ xm eλx Q(x) où Q est un
polynôme de K[X] de même degré que P , avec m = 0 lorsque λ 6= −b et m = 1 lorsque λ = −b (dans
ce cas, χ = X + b).
Remarque. Lorsque f (x) est de la forme f (x) = P (x) cos(ωx) où ω ∈ R, ou bien de la forme
f (x) = P (x) sin(ωx), on peut appliquer ce qui précède en se ramenant à x 7−→ P (x)eiωx .
Remarque. Plus généralement, lorsque f (x) est de la forme P (x)eQ(x) , où P et Q sont des polynômes,
on peut chercher une solution particulière de la forme H(x)eQ(x) , où H est aussi un polynôme.
2 Equations à variables séparables (hors programme)

2.1 Equations à variables séparées
Notation.
Soient I et K deux intervalles infinis et soient a : I −→ R et b : K −→ R deux applications continues.
L’équation différentielle (E) : a(t) − b(y)y 0 = 0 est appelée une équation est à variables séparées.
Si A et B sont des primitives de a et de b respectivement,
d A(t) − B(y(t))
(E) ⇐⇒ = 0, donc les courbes intégrales de (E) ont pour équations cartésiennes
dt
A(x) = B(y) + C, où C ∈ R.
En pratique, on écrira (E) ⇐⇒ a(t)dt = b(y)dy ⇐⇒ A(t) = B(y) + C.
2.2 Cas général
Notation. Soient I et K deux intervalles infinis. Soient a et d deux applications continues de I dans
R et b et c deux applications continues de K dans R. L’équation (E) : a(t)c(y) − b(y)d(t)y 0 = 0 est
appelée une équation est à variables séparables.
En divisant par c(y) et d(t) on se ramene à une équation à variables séparées.
• Plus précisément, soit y : I −→ R une application dérivable. Quitte à restreindre l’intervalle I, on
a(t)
supposera que d ne s’annule pas sur I. Ainsi (E) ⇐⇒ c(y) − y 0 b(y) = 0.
d(t)
Il faudra ensuite étudier les possibles raccordements des solutions en chaque zéro de d.
• Si y0 ∈ K est un zéro de c, l’application constante y = y0 est une solution de (E). Ainsi chaque
zéro de c fournit une solution particulière.
a(t) b(y)
On suppose ensuite que ∀t ∈ I c(y(t)) 6= 0. Alors (E) ⇐⇒ − y0 = 0 : c’est une équation à
d(t) c(y)
variables séparées, donc on est ramené au a). Il reste ensuite à étudier les possibles recollements de
ces dernières solutions avec les solutions particulières y = y0 où y0 est un zéro de c.

74
Semaine 16 : Résumé de cours 3 La structure algébrique d’espace vectoriel
Deuxième partie
Espaces vectoriels (début)
Notation. K désigne un corps quelconque.
Notation. Symbole de Kronecker : δi,j = 0 lorsque i 6= j et δi,i = 1 lorsque i = j.
3 La structure algébrique d’espace vectoriel

3.1 Définition et exemples
Définition.
Un K-espace vectoriel est un triplet (E, +, .), où (E, +) est un groupe abélien et “.” est une application
K × E −→ E
tel que, pour tout x, y ∈ E et α, β ∈ K,
(α, x) 7−→ α.x
— α.(x + y) = (α.x) + (α.y),
— (α + β).x = (α.x) + (β.x),
— (α × β).x = α.(β.x),
— 1K .x = x.
Remarque. Lorsque E est un K-espace vectoriel, ses éléments seront appelés des vecteurs et les
éléments de K seront appelés des scalaires.
Exemples.
Soient E un K-espace vectoriel et I un ensemble quelconque. Alors l’ensemble E I des familles
(xi )i∈I d’éléments de E indexées par I est un K-espace vectoriel si l’on convient que
(xi )i∈I + (yi )i∈I = (xi + yi )i∈I et, pour tout α ∈ K, α.(xi )i∈I = (α.xi )i∈I .
De même, l’ensemble F(I, E) des applications de I dans E est un K-espace vectoriel si l’on convient
que, pour tout f, g ∈ F(I, E) et α ∈ K, pour tout x ∈ I,
∆ ∆
(f + g)(x) = f (x) + g(x) et (α.f )(x) = a.(f (x)).
En particulier, pour tout n ∈ N∗ , Rn est un R-espace vectoriel.
Si L est un sous-corps de K, alors K est un L-espace vectoriel.
L’ensemble KN des suites de scalaires est un K-espace vectoriel.
K[X] est un K-espace vectoriel.
Propriété. Soit E un K-espace vectoriel. Soit x, y ∈ E et λ, µ ∈ K :
— 0K .x = 0E et λ.0E = 0E ;
— (−1K ).x = −x ;
— (λ − µ)x = λ.x − µ.x ;
— λx = 0 ⇐⇒ (λ = 0) ∨ (x = 0) ;
— (λx = λy) ∧ (λ 6= 0) =⇒ x = y ;
— (λx = µx) ∧ (x 6= 0) =⇒ λ = µ.
Définition. Soient n ∈ N∗ et ((Ei , +, .))i∈{1,...,n} une famille de n K-espaces vectoriels.
On structure E = E1 × · · · × En en un K-espace vectoriel en convenant que
— ∀x = (x1 , . . . , xn ) ∈ E, ∀y = (y1 , . . . , yn ) ∈ E, x + y = (x1 + y1 , . . . , xn + yn ),
— ∀α ∈ K, ∀x = (x1 , . . . , xn ) ∈ E, α.x = (α.x1 , . . . , α.xn ).

75
3.2 Sous-espaces vectoriels

Propriété et définition : Soit E un K-espace vectoriel et F une partie de E.
F est un sous-espace vectoriel de E si et seulement si
— F 6= ∅ ;
— ∀(x, y) ∈ F 2 , x + y ∈ F (stabilité de la somme de deux vecteurs) ;
— ∀(α, x) ∈ K × F , α.x ∈ F (stabilité du produit externe).
Cet ensemble de conditions est équivalent à
— F 6= ∅ ;
— ∀(α, x, y) ∈ K × F × F , α.x + y ∈ F (stabilité par combinaison linéaire).
Exemples.
n n
X o
— Pour tout n ∈ N∗ , pour tout (α1 , . . . , αn ) ∈ Kn \ {0}, (xi )1≤i≤n / αi xi = 0 est un
i=1
sous-espace vectoriel de Kn .
— Kn [X] est un sous-espace vectoriel de K[X], pour tout n ∈ N.
— L’ensemble C p ([0, 1], C) des applications de classe C p de [0, 1] dans C, où p ∈ N, est un sous-
espace vectoriel de F([0, 1], C). P
— L’ensemble l1 (C) = {(an )n∈N / an ACV} est un sous-espace vectoriel de CN .
Définition. Soient E un K-espace vectoriel et I un ensemble quelconque. Soit (xi )i∈I une famille de
E I . On dit que c’est une famille presque nulle si et seulement si {i ∈ I/xi 6= 0} est un ensemble fini.
On note E (I) l’ensemble des familles presque nulles de E I . E (I) est un sous-espace vectoriel de E I .
3.3 Sous-espace vectoriel engendré par une partie
Propriété. Une intersection d’une famille de sous-espaces vectoriels est un sous-espace vectoriel.
Définition. Soit E un K-espace vectoriel
\ et A une partie de E. Notons S l’ensemble des sous-espaces
vectoriels de E contenant A. Alors F est un sous-espace vectoriel de E contenant A et, par
F ∈S
construction, c’est le plus petit sous-espace vectoriel contenant A. On le note Vect(A).
Exemple. Vect(∅) = {0}, puisque {0} est le plus petit sous-espace vectoriel de E.
Si F est un sous-espace vectoriel d’un K-espace vectoriel E, Vect(F ) = F .
Propriété. Si A ⊂ B, alors Vect(A) ⊂ Vect(B).
Propriété. Soient E un K-espace vectoriel et A une ( partie de E. Alors V ect(A)
) est l’ensemble des
X
combinaisons linéaires de vecteurs de A : Vect(A) = αa a/(αa )a∈A ∈ K(A) .
a∈A
Notation. Si (xi )i∈I ∈ E I , on note Vect(xi )i∈I = Vect({xi / i ∈ I}).
Xn
En particulier, Vect(x1 , . . . , xn ) = { αi xi / a1 , . . . , an ∈ K}.
i=1
Si u ∈ E \ {0}, Vect(u) = {αu/α ∈ K} est appelé la droite vectorielle engendrée par le vecteur u.
Propriété. Soit E un K-espace vectoriel et A ⊂ E. Si x ∈ Vect(A), Vect(A ∪ {x}) = Vect(A).
Si x = λy + a avec λ ∈ K et a ∈ Vect(A), alors Vect(A ∪ {x}) = Vect(A ∪ {y}).

76
Propriété. Soit (xi )i∈I une famille de vecteurs d’un K-espace vectoriel E. Alors Vect(xi )i∈I n’est
pas modifié si l’on effectue l’une des opérations élémentaires suivantes :
— échanger xi0 et xi1 , où i0 , i1 ∈ I avec i0 6= i1 ;
— multiplier xi0 par α ∈ K avec α 6= 0 ;
— ajouter à l’un des xi une combinaison linéaire des autres xj .
Définition. Soit p ∈ N∗ et E1 , . . . , Ep p sous-espaces vectoriels de E.
[
p nX p o
∆
E1 + · · · + Ep = Vect Ei . On vérifie que E1 + · · · + Ep = xi / ∀i ∈ {1, . . . , p}, xi ∈ Ei .
i=1 i=1

77
Semaine 17 – Applications linéaires, espaces affines, structure d’algèbre, espaces vectoriels normés, distance
et espaces métriques

Résumé de cours
1 La structure d’espace vectoriel (fin)

1.1 Les applications linéaires
Définition. Soient E et F deux K-espaces vectoriels. Une application f de E dans F est une
application linéaire (on dit aussi un morphisme ou un homomorphisme de K-espaces vectoriels) si et
seulement si ∀(α, x, y) ∈ K × E × E f (αx + y) = αf (x) + f (y).
Un endomorphisme est un morphisme de E dans lui-même.
Une forme linéaire est une application linéaire à valeurs dans K.
Exemples.
C([−1, 1], R) −→ R
Z 1
— est une forme linéaire.
f 7−→ f (t)t2 dt
−1
D2 ([0, 1], R) −→ F([0, 1], R)
— est linéaire.
f 7−→ f 00
l1 (C) −→ C
X
— (an )n∈N 7−→ an est une forme linéaire.
n∈N
Définition. Les homothéties (vectorielles) de E sont les applications de la forme λ.IdE , où λ ∈ K.
Notation.
— On note L(E, F ) l’ensemble des applications linéaires de E dans F .
∆
— On pose L(E) = L(E, E).
— On pose L(E, K) = E ∗ ; c’est l’ensemble des formes linéaires, appelé le dual de E.
Kn −→ K
Xn
Propriété. Les formes linéaires sur K sont exactement les (x )
n
7−→ αi xi
i 1≤i≤n
i=1
où (α1 , . . . , αn ) ∈ Kn .
!
X X
Propriété. Si u ∈ L(E, F ) et (xi )i∈I ∈ E I , ∀(αi )i∈I ∈ K(I) u αi xi = αi u(xi ).
i∈I i∈I

Propriété. Soit u ∈ L(E, F ) et (xi )i∈I ∈ E I . Alors u Vect(xi )i∈I = Vect(u(xi ))i∈I .
Propriété. La composée de deux applications linéaires est une application linéaire.
1
78
Semaine 17 : Résumé de cours 1 La structure d’espace vectoriel (fin)
Propriété. Si f : E −→ F est un isomorphisme, f −1 est encore un isomorphisme.

Propriété. Si E et F sont deux K-espaces vectoriels, alors L(E, F ) est un K-espace vectoriel .
Définition. Soient E un K-espace vectoriel, u ∈ L(E) et F un sous-espace vectoriel de E. On dit
que F est stable par u, ou que u stabilise F si et seulement si u(F ) ⊂ F .
v : F −→ F
Dans ce cas, l’endomorphisme induit par u sur F est . C’est un élément de
x 7−→ u(x)
L(F ), que par abus, on note souvent u|F et que l’on appelle la restriction de u à F .
Propriété. Soient E et F deux K-espaces vectoriels, E 0 un sous-espace vectoriel de E et F 0 un
sous-espace vectoriel de F . Soit f un morphisme de E dans F .
Alors f (E 0 ) est un sous-espace vectoriel de F et f −1 (F 0 ) est un sous-espace vectoriel de E.
Propriété. Soit f une application linéaire entre deux K-espaces vectoriels E et F .
Alors f est injective si et seulement si Ker(f ) = {0} et
f est surjective si et seulement si Im(f ) = F .
Propriété. Soit E un K-espace vectoriel et (u, v) ∈ L(E)2 .
Si u et v commutent, alors Im(u) et Ker(u) sont stables par v.
Propriété. Soit u, v ∈ L(E). Alors uv = 0 ⇐⇒ Im(v) ⊂ Ker(u).
Définition. Soit E et F deux K-espaces vectoriels et f ∈ L(E, F ). Soit y ∈ F .
L’équation (E) : f (x) = y en l’inconnue x ∈ E est appelée une équation linéaire.
Propriété. Avec les notations précédentes, l’équation sans second membre associée à (E) est
l’équation (H) : f (x) = 0, dont l’ensemble des solutions est SH = Ker(f ) : notamment l’ensemble
des solutions de l’équation homogène est un K-espace vectoriel.
L’équation (E) est compatible, c’est-à-dire qu’elle possède au moins une solution x0 ∈ E, si et seule-
ment si y ∈ Im(f ). Dans ce cas, SE = x0 + SH : la solution générale de (E) s’obtient en ajoutant à
une solution particulière de (E) la solution générale de (H).
1.2 Espaces affines
Définition. On appelle K-espace affine tout triplet (E, E, +E ), où E est un ensemble non vide,
E est un K-espace vectoriel (dont la loi additive sera notée +E ) et où +E est une application
E × E −→ E
telle que
(M, x) 7−→ M +E x
E −→ E
i) Pour tout M ∈ E, l’application est une bijection.
x 7−→ M +E x
ii) ∀(M, x, y) ∈ E × E × E (M +E x) +E y = M +E (x +E y).
Les éléments de E sont appelés des points et E est appelé la direction de E.
Notation. Soient E un espace affine de direction E et (A, B) ∈ E 2 .
−−→
D’après i), il existe un unique vecteur x tel que A +E x = B. On note x = AB ou encore x = B −E A.
Remarque. On peut établir que les règles de calcul relatives aux opérations “+E ” (point+E vecteur) et
“−E ” (point−E point) sont formellement les mêmes que celles que vérifient l’addition et la soustraction
−−→ −−→ −→
sur R. Par exemple, la relation de Chasles s’écrit : AB + BC = (B − A) + (C − B) = C − A = AC.
−−→ −−→
Définition. Si A, B, C, D sont quatre points de E, ABCD est un parallélogramme ssi AB = DC.

79
Semaine 17 : Résumé de cours 1 La structure d’espace vectoriel (fin)
Remarque. Dans les propriétés i) et ii) définissant un espace affine, lorsqu’un point M de E intervient,
c’est toujours quantifié de la manière suivante : “∀M ∈ E . . .”. Ainsi, dans un espace affine, tous les
points ont la même importance. C’est un espace homogène, contrairement aux espaces vectoriels.
Les propriétés qui suivent montrent que cette différence entre la notion de K-espace vectoriel et celle
de K-espace affine est la seule qui soit vraiment pertinente.
Propriété. Soient (E, E, +) un K-espace affine et A un point de E. E est un espace vectoriel en
−−→ −−→ −−→
convenant que, pour tout (M, N, α) ∈ E × E × K, M + N = A + (AM + AN ) et α.M = A + (α.AM ).
Remarque. Cette propriété montre que tout K-espace affine est assimilable à un K-espace vectoriel
dès lors que l’on a choisi un point A, qui jouera le rôle de vecteur nul.
Propriété réciproque. Soit E un K-espace vectoriel. Le triplet (E, E, +) est un K-espace affine, que
l’on dit canoniquement associé à l’espace vectoriel E.
Convention. En accord avec le programme, les seuls espaces affines que nous utiliserons sont les
espaces affines canoniquement associés à un espace vectoriel.
1.3 La structure d’algèbre
Définition. (A, +, ., ?) est une K-algèbre si et seulement si (A, +, .) est un K-espace vectoriel,
(A, +, ?) est un anneau et si ∀(λ, a, b) ∈ K × A × A λ.(a ? b) = (λ.a) ? b = a ? (λ.b).
On dit que A est commutative (ou abélienne) si et seulement si la loi ? est commutative.
On dit que A est intègre si et seulement si l’anneau (A, +, ?) est un anneau intègre.
Exemples. (K[X], +, ., ×) est une K-algèbre commutative et intègre.
F(I, K) et KI sont des algèbres.
Propriété. Si E est un K-espace vectoriel, alors (L(E), +, ., ◦) est une K-algèbre.
Le groupe des inversibles de L(E) est noté (GL(E), ◦).
Remarque. Plus généralement, si E, F et G sont 3 K-espaces vectoriels, pour tout α ∈ K, pour tout
f, g ∈ L(F, G) et h ∈ L(E, F ), (αf + g) ◦ h = αf ◦ h + g ◦ h et
pour tout f, g ∈ L(E, F ) et h ∈ L(F, G), h ◦ (αf + g) = αh ◦ f + h ◦ g.
Propriété. Soit (A, +, ., ?) une K-algèbre. B est une sous-algèbre de (A, +, ., ?) si et seulement si
1A ∈ B et pour tout x, y ∈ B et λ ∈ K, x + y, x ? y, λx ∈ B.
Définition. Soient (A+, ., ×) et (B, +, ., ×) deux K-algèbres. Une application f : A −→ B est un
morphisme d’algèbres si et seulement si f (1A ) = 1B et pour tout x, y ∈ A et α ∈ K,
f (x + y) = f (x) + f (y), f (x × y) = f (x) × f (y), f (α.x) = α.f (x).
Exemple. Soit E un K-espace vectoriel et u ∈ GL(E). Alors l’application w 7−→ uwu−1 est un
automorphisme de l’algèbre L(E). Ce type d’automorphisme est appelé un automorphisme intérieur.
Propriété. Une composée de morphismes d’algèbres est un morphisme d’algèbres.
L’application réciproque d’un isomorphisme d’algèbres est un isomorphisme d’algèbres.
L’image directe ou réciproque d’une sous-algèbre par un morphisme d’algèbres est une sous-algèbre.

80
Semaine 17 : Résumé de cours 2 Espaces vectoriels normés
2 Espaces vectoriels normés

2.1 Définition d’une norme
Définition. Soit E un K-espace vectoriel . On appelle norme sur E toute application k.k : E −→ R
telle que, pour tout (x, y, λ) ∈ E × E × K,
kxk ≥ 0 (positivité).
kxk = 0 =⇒ x = 0 (k.k est définie),
kλxk = |λ|kxk (k.k est homogène), et
kx + yk ≤ kxk + kyk, cette dernière propriété étant appelée l’inégalité triangulaire.
Si k.k est une norme sur E, le couple (E, k.k) est appelé un espace vectoriel normé.
Remarque. Si E est un espace vectoriel normé , k0k = 0.
Corollaire de l’inégalité triangulaire. ∀(x, y) ∈ E 2 |kxk − kyk| ≤ kx − yk.
Définition.
Soient E un espace vectoriel normé et u ∈ E. u est unitaire si et seulement si kuk = 1.
u
Si u 6= 0, on appelle vecteur unitaire associé à u le vecteur , qui est bien unitaire.
kuk
Définition. Soient E un espace vectoriel normé et F un sous-espace vectoriel de E.
La restriction à F de la norme de E fait de F un espace vectoriel normé.
Exemple. Sur R et sur C, |.| est une norme.
2.2 Les normes 1, 2 et ∞.

2.2.1 Cas des sommes finies.
Propriété. Sur Kn , on dispose de trois normes classiques.

k.k1 : Kn −→ R+
n
X ,
x = (x1 , . . . , xn ) 7−→ kxk1 = |xi |
i=1
k.k2 : Kn −→ R+ v
u n
uX , et
x = (x1 , . . . , xn ) 7−→ kxk2 = t |xi |2
i=1
k.k∞ : Kn −→ R+
x = (x1 , . . . , xn ) 7−→ kxk∞ = max |xi | .
1≤i≤n

Propriété. (Hors programme) Soit p ∈]1, +∞[.
k.kp : Kn −→ R+
n
! p1
Alors X est une norme sur Kn .
x = (x1 , . . . , xn ) 7−→ kxkp = |xi |p
i=1
Remarque. ∀x ∈ Kn kxkp −→ kxk∞ . Cela justifie la notation k.k∞ .
p→+∞
Propriété. Soient p ∈ N∗ et E1 , . . ., Ep p K-espaces vectoriels munis de normes respectivement

notées k.kE1 , . . ., k.kEp . Alors E = E1 × · · · × Ep est un espace vectoriel normé si on le munit de l’une
des normes classiques suivantes.

81
N1 : E −→ R+
p
X ,
x = (x1 , . . . , xp ) 7−→ N1 (x) = kxi kEi
i=1
N2 : E −→ R+ v
u p
uX , et
x = (x1 , . . . , xp ) 7−→ N2 (x) = t kxi k2Ei
i=1
N∞ : E −→ R+
x = (x1 , . . . , xp ) 7−→ N∞ (x) = max kxi kEi .
1≤i≤p
2.2.2 Cas des intégrales sur un intervalle compact
Propriété. Soient (a, b) ∈ R2 avec a < b. Sur C([a, b], K), on dispose de trois normes classiques.
k.k1 : C([a, b], K) −→ R+
Z b
,
f 7−→ kf k1 = |f (x)|dx
a
k.k2 : C([a, b], K) −→ R+ s
Z b , et
f 7−→ kf k2 = |f (x)|2 dx
a
k.k∞ : C([a, b], K) −→ R+
f 7−→ kf k∞ = sup |f (x)| .
x∈[a,b]

Propriété. (Hors programme) Soit p ∈]1, +∞[.
k.kp : C([a, b], K) −→ R+
Z b ! p1
Alors p
est une norme sur C([a, b], K).
f 7−→ kf kp = |f (x)| dx
a
2.3 Distance
Définition. Soit E un espace vectoriel normé .

d: E 2 −→ R+
On appelle distance associée à la norme k.k de E, l’application .
(x, y) 7−→ kx − yk
Définition. Soient E un espace vectoriel normé dont la distance associée est notée d et A une partie
de E. La restriction de d à A2 est appelée la distance induite par d sur A.
Propriété. Avec les notations précédentes, pour tout x, y, z ∈ E,
— d(x, y) ∈ R+ (positivité) ;
— d(x, y) = 0 ⇐⇒ x = y (séparation) ;
— d(x, y) = d(y, x) (symétrie) ;
— d(x, z) ≤ d(x, y) + d(y, z) (inégalité triangulaire).
Définition. On appelle espace métrique tout couple (E, d) où E est un ensemble et où d : E 2 −→ R+
est une application telle que, pour tout x, y, z ∈ E,
— d(x, y) = 0 ⇐⇒ x = y (séparation) ;
— d(x, y) = d(y, x) (symétrie) ;
— d(x, z) ≤ d(x, y) + d(y, z) (inégalité triangulaire).

82
Les seuls espaces métriques qui sont au programme sont les (A, dA ) où A est une partie d’un espace
vectoriel normé E et où dA est la distance induite sur A par la distance associée à la norme de E.
Propriété. Soit E un espace vectoriel normé dont la distance associée est notée d.
Alors ∀(x, y, z) ∈ E 3 d(x + z, y + z) = d(x, y).
Cette propriété ne se généralise pas aux espaces métriques.
Propriété. Corollaire de l’inégalité triangulaire.
Soit E un espace vectoriel normé dont la distance associée est notée d.
Alors ∀(x, y, z) ∈ E 3 |d(x, y) − d(y, z)| ≤ d(x, z).
Définition. Soient E un espace vectoriel normé et (a, r) ∈ E × R∗+ .
La boule ouverte centrée en a de rayon r est l’ensemble Bo (a, r) = {x ∈ E/d(a, x) < r}.
La boule fermée de centre a et de rayon r est l’ensemble Bf (a, r) = {x ∈ E/d(a, x) ≤ r}.
La sphère de centre a et de rayon r est l’ensemble S(a, r) = {x ∈ E/d(a, x) = r}.

83
Semaine 18 – Applications lipschitziennes, normes équivalentes, limite dans un espace métrique, sommes et
produits de limites, suites de complexes et de réels

Résumé de cours
K désigne R ou C.
1 Espaces vectoriels normés (suite)

1.1 Distance (suite)
Définition. Dans un espace métrique, la boule unité est la boule fermée de centre 0 et de rayon 1.
Propriété. (non généralisable aux espaces métriques)
Les boules d’un espace vectoriel normé sont des convexes.
Définition. Soient E un espace métrique, A et B deux parties non vides de E et a ∈ E.
On note d(a, A) = inf d(a, x). C’est la distance de a à A.
x∈A
On note d(A, B) = inf d(x, y). C’est la distance de A à B.
(x,y)∈A×B
On appelle diamètre de A la quantité δ(A) = sup d(x, y) ∈ R+ ∪ {+∞}.
(x,y)∈A2
Propriété. Dans un espace métrique, δ(Bf (a, r)) ≤ 2r.

Propriété. (non généralisable aux espaces métriques)
Soient E un espace vectoriel normé non nul et (a, r) ∈ E × R∗+ . Alors δ(Bf (a, r)) = 2r.
Propriété. Dans un espace métriquue, si ∅ =
6 A ⊂ B, alors δ(A) ≤ δ(B).
Définition et propriété. Soient E un espace vectoriel normé et A une partie de E. Les propriétés
suivantes sont équivalentes.
i) {kxk/x ∈ A} est borné.
ii)Pour tout x0 ∈ E, {kx − x0 k/x ∈ A} est borné.
iii) Pour tout x0 ∈ E, il existe R ∈ R+ tel que A ⊂ Bf (x0 , R).
iv) Il existe (x0 , R) ∈ E × R+ tel que A ⊂ Bf (x0 , R).
Dans ce cas, on dit que A est bornée.
Définition. Soient A un ensemble, E un espace vectoriel normé et f : A −→ E une application.
On dit que f est bornée si et seulement si f (A) est une partie bornée de E.
Propriété. Soient A un ensemble non vide et E un espace vectoriel normé .
On note B(A, E) l’ensemble des applications bornées de A dans E.
Pour f ∈ B(A, E), on note kf k∞ = sup kf (a)k.
a∈A
Alors (B(A, E), k.k∞ ) est un espace vectoriel normé .
1
84
Semaine 18 : Résumé de cours 2 limite d’une suite dans un espace métrique
Propriété. Soit E un espace vectoriel normé . On note l∞ (E) l’ensemble des suites bornées à valeurs
dans E. Si (xn )n∈N ∈ l∞ (E), on note k(xn )k∞ = sup kxn k.
n∈N
Alors (l∞ (E), k.k∞ ) est un espace vectoriel normé .
1.2 Applications k-Lipschitziennes
Définition. Soient E et F deux espaces métriques, k ∈ R+ et f : E −→ F une fonction dont le

domaine de définition sera noté Df .
f est k-lipschitzienne si et seulement si ∀(x, y) ∈ Df2 d(f (x), f (y)) ≤ kd(x, y).
Lorsque k < 1, on dit que f est k-contractante.
On dit que f est lipschitzienne si et seulement si il existe k ∈ R+ tel que f est k-lipschitzienne.
Propriété. Une composée d’applications lipschitziennes est lipschitzienne.
Propriété. Soit E un espace vectoriel normé . L’application k.k est 1-lipschitzienne.
Propriété. Soient E un espace vectoriel normé et A une partie non vide de E.
E −→ R+
L’application est 1-lipschitzienne.
x 7−→ d(x, A)
Propriété. Soient E1 , . . ., Ep p espaces vectoriels normés dont les normes sont notées N1 , . . ., Np .
On note E = E1 × · · · × Ep .
p : E −→ Ei
Soit i ∈ Np . L’application ième projection i est 1-lipschitzienne lorsque
x = (x1 , . . . , xp ) 7−→ xi
E est muni de l’une de ses trois normes classiques, k.k1 , k.k2 ou k.k∞ .
Remarque. Sur E = C([0, 1], R), f 7−→ f (0) n’est pas lipschitzienne pour N1 .
1.3 Normes équivalentes
Définition. Dans un espace vectoriel normé E, deux normes k.k1 et k.k2 sont équivalentes si et
seulement s’il existe (α, β) ∈ (R∗+ )2 tel que ∀x ∈ E kxk1 ≤ αkxk2 et kxk2 ≤ βkxk1 .
Propriété. Avec les notations précédentes, k.k1 et k.k2 sont équivalentes si et seulement si IdE :
(E, k.k1 ) −→ (E, k.k2 ) et IdE : (E, k.k2 ) −→ (E, k.k1 ) sont lipschitziennes.
Exemple. Soient E1 , . . ., Ep p espaces vectoriels normés dont les normes sont notées N1 , . . ., Np .
Sur E = E1 × · · · × Ep , les trois normes classiques, k.k1 , k.k2 et k.k∞ sont deux à deux équivalentes.
Propriété. Soit E un espace vectoriel normé. Sur l’ensemble des normes de E, la relation “être
équivalente à” est une relation d’équivalence.
Propriété. Soient E un K-espace vectoriel et k.k1 et k.k2 deux normes équivalentes sur E.
Une partie A de E est bornée pour k.k1 si et seulement si elle est bornée pour k.k2 .
Propriété. Soient E et F deux K-espaces vectoriels. On suppose que E (resp : F ) est muni de deux
normes équivalentes, notées k.kE E F F
1 et k.k2 (resp : k.k1 et k.k2 ). Alors f : E −→ F est lipschitzienne
pour k.k1 et k.k1 si et seulement si elle est lipschitzienne pour k.kE
E F F
2 et k.k2 .

85
Semaine 18 : Résumé de cours 2 limite d’une suite dans un espace métrique
2 limite d’une suite dans un espace métrique

Notation. On fixe un espace métrique noté (E, d).
Définition. Soient (xn ) ∈ E N une suite de vecteurs de E et l ∈ E. La suite (xn ) converge vers l si
et seulement si (1) : ∀ε ∈ R∗+ ∃N ∈ N ∀n ∈ N (n ≥ N =⇒ d(xn , l) ≤ ε).
Remarque. Dans (1), les deux dernières inégalités peuvent être choisies strictes ou larges.
Remarque. Pour tout n0 ∈ N, la propriété “xn −→ `” ne dépend pas du choix de x0 , . . . , xn0 .
n→+∞
Propriété. Unicité de la limite.

Si (xn ) converge vers l et vers l0 , alors l = l0 . On note l = lim xn ou xn −→ l.
n→+∞ n→+∞
Définition. Une suite de vecteurs de E est convergente si et seulement s’il existe l ∈ E tel que
xn −→ l. Sinon, on dit que la suite est divergente.
n→+∞
Propriété. Soient (xn ) une suite de vecteurs de E et l ∈ E.

Si xn −→ l, alors kxn k −→ klk, mais la réciproque est fausse.
n→+∞ n→+∞
xn −→ 0 si et seulement si kxn k −→ 0.
n→+∞ n→+∞
xn −→ l si et seulement si d(xn , l) −→ 0.
n→+∞ n→+∞
Principe des gendarmes : Soit (xn ) ∈ E N et ` ∈ E.

S’il existe une suite de réels (gn ) telle que ∀n ∈ N, d(xn , l) ≤ gn et gn −→ 0, alors xn −→ `.
n→+∞ n→+∞
Propriété. Soit N une seconde norme sur E, équivalente à k.k.

N k.k
Alors, pour toute suite (xn ) de E et pour tout l ∈ E, xn −→ l ⇐⇒ xn −→ l.
n→+∞ n→+∞
Remarque. Sur E = C([0, 1], R), les k.k1 , k.k2 et k.k∞ sont deux à deux non équivalentes entre
elles, où ces normes désignent respectivement la norme de la convergence en moyenne, celle de la
convergence en moyenne quadratique et la norme de la convergence uniforme.
Propriété. Toute suite convergente est bornée.
2.1 Somme et produit de limites
Notation. On suppose que E est un espace vectoriel normé.

Les propriétés de ce paragraphe ne se généralisent pas aux espaces métriques.
Propriété. Soient (xn ) et (yn ) deux suites de E convergeant vers l et l0 .
Alors la suite (xn + yn ) converge vers l + l0 .
Propriété. Si (xn + yn ) converge, alors (xn ) et (yn ) ont la même nature.
Propriété. Soient (αn ) ∈ KN et (xn ) ∈ E N .
Si l’une des suites est bornée et si l’autre tend vers 0, alors αn xn −→ 0.
n→+∞
Propriété. Soient (ln ) une suite de E qui converge vers l ∈ E et (αn ) une suite de scalaires qui
converge vers α. Alors la suite (αn .ln ) converge vers α.l.

86
Semaine 18 : Résumé de cours 4 Suites de réels
N
Propriété. L’ensemble des suites convergentes de E noté Ecv est un sous-espace vectoriel de l∞ (E)
N
Ecv −→ E
et l’application (x ) 7−→ lim xn est une application linéaire.
n
n→+∞
Propriété. Suites à valeurs dans un produit.

Soient p ∈ N∗ et E1 , . . ., Ep p espaces vectoriels normés, leurs normes étant notées N1 , . . ., Np . On
note E = E1 × · · · × Ep que l’on munit de l’une des trois normes classiques.
Soient (xn )n∈N = ((x1,n , . . . , xp,n ))n∈N une suite d’éléments de E et l = (l1 , . . . , lp ) ∈ E.
Alors (xn ) converge vers l si et seulement si, pour tout i ∈ Np , (xi,n ) converge vers li .
3 Suites de complexes
3.1 Premières propriétés
1 1
Propriété. Soit (xn ) ∈ C∗ N telle que xn −→ ` ∈ C \ {0}. Alors −→ .
n→+∞ xn n→+∞ `
Propriété. Soit (zn ) une suite de complexes et ` ∈ C.
Alors zn −→ ` si et seulement si Re(zn ) −→ Re(`) et Im(zn ) −→ Im(`).
n→+∞ n→+∞ n→+∞
Dans ce cas, on a donc lim zn = lim Re(zn ) + i lim Im(zn ).
n→+∞ n→+∞ n→+∞
3.2 Quelques suites définies par récurrence

3.2.1 Suites arithmético-géométriques
Propriété. Soit a, b ∈ C avec a 6= 1. Si pour tout n ∈ N, un+1 = aun + b, on calcule c ∈ C tel que
c = ac + b. Alors un − c est géométrique.
3.2.2 Suites homographiques (hors programme)
Propriété. Soit a, b, c, d ∈ C avec c 6= 0.

aun + b a` + b
Si pour tout n ∈ N, un+1 = , on résout l’équation ` = .
cun + d c` + d
un − β
Si cette équation possède deux solutions α et β distinctes, alors vn = est géométrique.
un − α
1
Sinon, cette équation possède une unique solution α et vn = est arithmétique.
un − α
3.2.3 Suites récurrentes linéaires d’ordre 2
Propriété. Soient (a, b) ∈ K2 \ {(0, 0)} et (un ) ∈ KN telle que un+2 = aun+1 + bun .
χ(X) = X 2 − aX − b est le polynôme caractéristique de (un ). On note ∆ = a2 + 4b.
— Si ∆ 6= 0, en notant λ1 et λ2 les deux racines de χ, ∃(C1 , C2 ) ∈ C2 ∀n ∈ N, un = C1 λn1 +C2 λn2 .
— Si de plus K = R et ∆ < 0, en posant λ1 = ρeiθ ,
∃(D1 , D2 ) ∈ R2 ∀n ∈ N, un = ρn (D1 cos(nθ) + D2 sin(nθ)).
— Si ∆ = 0, en notant λ la racine double, ∃(C1 , C2 ) ∈ K2 ∀n ∈ N, un = λn (C1 + nC2 ).

87
Semaine 18 : Résumé de cours 4 Suites de réels
4 Suites de réels
4.1 Limites infinies
Définition. xn −→ +∞ ⇐⇒ ∀M ≥ 0, ∃N ∈ N, ∀n ≥ N, xn ≥ M .
n→+∞
xn −→ −∞ ⇐⇒ ∀M ≥ 0, ∃N ∈ N, ∀n ≥ N, xn ≤ −M .
n→+∞
Définition. Lorsqu’une suite de réels tend vers +∞ ou −∞, elle est toujours divergente : on dit
qu’elle diverge vers +∞ ou −∞. On distingue ainsi trois catégories de suites réelles :
— Les suites convergentes. Ce sont celles qui convergent vers un réel.
— Les suites divergentes de première espèce. Ce sont celles qui divergent vers +∞ ou −∞.
— Toutes les autres suites. On dit qu’elles sont divergentes de seconde espèce.
Propriété. Si ϕ : N −→ N est strictement croissante,
pour tout n ∈ N, ϕ(n) ≥ n, donc ϕ(n) −→ +∞.
n→+∞
Définition. Si (xn ) est dans un espace métrique , xn −→ ∞ ⇐⇒ d(x0 , xn ) −→ +∞.

n→+∞ n→+∞
Propriété. Composition des limites : Si (xn ) est dans un espace métrique et si xn −→ `, avec `
n→+∞
éventuellement infinie, pour tout ϕ : N −→ N telle que ϕ(n) −→ +∞, xϕ(n) −→ `.
n→+∞ n→+∞
Propriété. Dans un espace métrique , xn −→ l si et seulement si x2n −→ l et x2n+1 −→ l.
n→+∞ n→+∞ n→+∞
Propriété. Soit p ∈ N∗ . Si, pour tout i ∈ {0, . . . , p − 1}, xpn+i −→ l, alors xn −→ l.
n→+∞ n→+∞
Remarque. C’est encore vrai dans le cas de limites infinies.

Propriété. Avec des suites de réels, en prenant ε, ε0 ∈ {−1, 1},
— Si xn −→ ε∞ et yn −→ y ∈ R, alors xn + yn −→ ε∞.
n→+∞ n→+∞ n→+∞
— Si xn −→ ε∞ et yn −→ ε∞, alors xn +yn −→ ε∞, mais xn −yn est une forme indéterminée
n→+∞ n→+∞ n→+∞
du type ∞ − ∞.
— Si xn −→ ε∞, alors −xn −→ −ε∞.
n→+∞ n→+∞
— Si xn −→ ε∞ et α > 0, alors αxn −→ ε∞.
n→+∞ n→+∞
— Si xn −→ ε∞ et yn −→ ` ∈ R+ , alors xn yn −→ ε∞, sauf lorsque ` = 0, qui est une forme
n→+∞ n→+∞ n→+∞
indéterminée du type 0 × ∞.
— Si xn −→ ε∞ et yn −→ ε0 ∞, alors xn yn −→ εε0 ∞.
n→+∞ n→+∞ n→+∞
1
— Si xn −→ ε∞ alors −→ 0.
n→+∞ xn n→+∞
1
— Si xn −→ 0+ alors −→ +∞.
n→+∞ xn n→+∞
Remarque. Lorsque un est de la forme un = abnn , il est indispensable d’écrire un = ebn ln an pour
étudier sa limite. Par exemple, un = (1 + n1 )n = en ln(1+ n ) −→ e car ln(1+x)
1
x −→ 1.
n→+∞ x→0

88
Semaine 19 – Suites de vecteurs, adjacentes, extraites, suites de Cauchy, séries de vecteurs, séries de réels
positifs
Semaine 19 (du 3 au 7 février) :

Résumé de cours
K désigne R ou C.
1 Suites de vecteurs (fin)

1.1 limites et relation d’ordre
Principe des gendarmes : Soit (pn ), (gn ), (gn0 ) trois suites de réels et ` ∈ R
tels que, pour tout n ∈ N, gn ≤ pn ≤ gn0 , gn −→ ` et gn0 −→ `.
n→+∞ n→+∞
Alors pn −→ `. Le principe des gendarmes s’adapte aux cas des limites infinies :
n→+∞
Lemme du tunnel : Soit (un ) une suite de réels qui converge vers ` ∈ R.
Soit a, b ∈ R tels que a < ` < b. Alors il existe N ∈ N tel que pour tout n ≥ N , a < un < b.
Propriété. Dans R, si pour tout n ∈ N, an ≤ bn , alors dans R, lim an ≤ lim bn .
n→+∞ n→+∞
Propriété. Soit X une partie non vide de R. Il existe une suite de réels (xn ) telle que
xn −→ sup(X) ∈ R ∪ {+∞} (resp : xn −→ inf(X) ∈ R ∪ {−∞}).
n→+∞ n→+∞
1.2 Suites monotones

Théorème de la limite monotone : Soit (xn ) une suite croissante de réels.
Si (xn ) est majorée, alors cette suite est convergente. De plus lim xn = sup xn .
n→+∞ n∈N
Si (xn ) n’est pas majorée, alors cette suite est divergente. De plus lim xn = +∞.
n→+∞
Ainsi, dans tous les cas, on peut écrire que xn −→ sup xn ∈ R ∪ {+∞}.
n→+∞ n∈N
Théorème. Soit (xn ) une suite décroissante de réels.
Si (xn ) est minorée, alors cette suite est convergente. De plus lim xn = inf xn .
n→+∞ n∈N
Si (xn ) n’est pas minorée, alors cette suite est divergente. De plus lim xn = −∞.
n→+∞
Ainsi, dans tous les cas, on peut écrire que xn −→ inf xn ∈ R ∪ {−∞}.
n→+∞ n∈N
Propriété. Soit (xn ) une suite géométrique de réels de raison a, tel que x0 6= 0.
— Si |a| < 1, alors xn −→ 0.
n→+∞
— Si a = 1, xn est constante.
— Si a > 1, xn −→ ε∞, où ε est le signe de x0
n→+∞
— Si a ≤ −1, (xn ) diverge.
1
89
Semaine 19 : Résumé de cours 1 Suites de vecteurs (fin)
1.3 Suites adjacentes
Définition. Deux suites (xn ) et (yn ) de réels sont adjacentes si et seulement si l’une est croissante,
l’autre est décroissante et si xn − yn −→ 0.
n→+∞
Théorème. Si (xn ) et (yn ) sont adjacentes avec (xn ) est croissante, alors ces deux suites convergent
vers une limite commune ` ∈ R. De plus, pour tout (p, q) ∈ N2 , xp ≤ ` ≤ yq .
Théorème des segments emboı̂tés : Soit (In )n∈N\une suite de segments, décroissante au sens de
l’inclusion, dont les longueurs tendent vers 0. Alors In est un singleton.
n∈N
1.4 Les suites extraites

On se place dans un espace métrique quelconque.
Définition. Les suites extraites de (xn ) sont les (xϕ(n) ), où ϕ : N −→ N est strictement croissante.
Propriété. Si une suite (xn ) converge vers `, toutes ses suites extraites convergent vers `.
Remarque. Cette propriété se généralise au cas des limites infinies.
Propriété. Une suite extraite d’une suite extraite de (xn ) est une suite extraite de (xn ).
Définition. Les valeurs d’adhérence de (xn ) sont les limites des suites extraites convergentes de (xn ).
Remarque. La limite d’une suite convergente est son unique valeur d’adhérence.
Si une suite admet au moins deux valeurs d’adhérence distinctes, elle est divergente.
Propriété. (hors programme). Les propriétés suivantes sont équivalentes :
i) a est une valeur d’adhérence de (xn ).
ii) ∀ε ∈ R∗+ ∀N ∈ N ∃n ≥ N d(xn , a) < ε.
iii) ∀ε > 0 Card({n ∈ N/xn ∈ Bo (a, ε)}) = +∞.
Lemme des pics : De toute suite de réels on peut extraire une suite monotone.
Théorème de Bolzano-Weierstrass :
Toute suite bornée de complexes possède au moins une valeur d’adhérence.
1.5 Suites de Cauchy (hors programme)

On se place dans un espace métrique quelconque.
Définition. [(xn ) est une suite de Cauchy]⇐⇒ [∀ε ∈ R∗+ ∃N ∈ N ∀p ≥ N ∀q ≥ N d(xp , xq ) ≤ ε].
Propriété. Toute suite convergente est une suite de Cauchy.
Propriété. Toute suite de Cauchy de E est bornée.
Propriété. Si une suite de Cauchy possède une valeur d’adhérence alors elle est convergente.
c Éric Merle 2 Cours au lycée Vogt

90
Semaine 19 : Résumé de cours 2 Séries de vecteurs
Définition. E est un espace métrique complet si et seulement si toute suite de Cauchy de E est
convergente.
Théorème. Si toute suite bornée de E possède au moins une valeur d’adhérence, alors E est complet.
Théorème. R et C sont complets.
2 Séries de vecteurs
Notation. K désigne R ou C.
Définition. Un espace de Banach est un K-espace vectoriel normé complet.
Notation. On fixe dans ce chapitre un espace de Banach noté E.
2.1 Séries, convergence et divergence

2.1.1 Définition d’une série de vecteurs
Définition. Soit (an )n∈N une suite de vecteurs. On appelle série de terme général an , et on note
n
X
P P
an , la suite de terme général (an , ak ). Ainsi, an est une suite d’éléments de E 2 .
k=0
Remarque. L’intérêt de cette définition un peu formelle est de distinguer les séries de vecteurs des
suites de vecteurs.
Propriété.
P L’ensemble
P des P S(E)P
Pséries de vecteurs, noté est un K-espace vectoriel.
De plus, an + α bn = (an + αbn ), lorsque an et bn sont dans S(E) et lorsque α ∈ K.
n
X P
Notation. ak est appelée la somme partielle (des n + 1 premiers termes) de an .
k=0
P
Propriété. Soit (An ) une suite de vecteurs. P Il existe une unique série an dont la suite des sommes
partielles est (An ). Il s’agit de la série (An − An−1 ), en convenant que A−1 = 0. Cette série est
appelée la série télescopique associée à la suite (An ).
Définition.
X Soient n0 ∈ N∗ et (an )n≥n0 une suite de vecteurs.
P
an est la série bn où bn = 0 si n < n0 et bn = an si n ≥ n0 .
n≥n0
X
On dit que an est une série tronquée à l’ordre n0 .
n≥n0
2.1.2 Convergence d’une série de vecteurs

P P
Définition. an converge si et seulement si la suite des sommes partielles de an converge.
+∞
X Xn
Dans ce cas, on note an = lim ak .
n→+∞
n=0 k=0
P X
Propriété. Pour tout n0 ∈ N∗ , les séries an et an sont de même nature et en cas de
n≥n0
+∞
X 0 −1
nX +∞
X
convergence, an = an + an .
n=0 n=0 n=n0

91
P
Corollaire. On ne change pas la nature de la série an si l’on modifie un nombre fini d’éléments
de la suite (an ).
+∞
X
P
Définition. Si an converge, son n-ième reste de Cauchy est Rn = ak . On a Rn −→ 0.
n→+∞
k=n+1
P
Propriété. Soit (un ) une suite de vecteurs. La série télescopique (un+1 − un ) converge si et
+∞
X
seulement si la suite (un ) converge et dans ce cas, (un+1 − un ) = lim un − u0 .
n→+∞
n=0
P P P
Propriété. Si an et bn convergent et si λ ∈ K, alors (an + λbn ) converge et
+∞
X +∞
X +∞
X
(an + λbn ) = an + λ bn . Ainsi, l’ensemble des séries convergentes de vecteurs est un sous-
n=0 n=0 n=0
Sconv (E) −→ K
+∞
X
espace vectoriel de S(E), noté Sconv (E) et l’application P est linéaire.
an 7−→ an
n=0
Propriété. La somme d’une série convergente et d’une série divergente est une série divergente.
Remarque. On en déduit que, si la somme de deux séries est convergente, ces deuxP séries ont
P même
nature. Cependant, il estPpossible qu’elles divergent toutes les deux. Par exemple, an + (−an )
converge, même lorsque an diverge.
Propriété. Si une série converge, son terme général tend vers 0. La réciproque est fausse.
P
Définition. Lorsque la suite an ne tend pas vers 0, on dit que la série an diverge grossièrement.
+∞
X
P 1
Propriété. La série géométrique an converge ssi |a| < 1 et dans ce cas an = .
n=0
1−a
Propriété. Séries à valeurs dans un produit.
Soient p ∈ N∗ et E1 , . . ., Ep p espaces vectoriels normés. On note E = E1 × · · · × Ep que l’on munit
de l’une des trois normes classiques.
Soient (xn )n∈NP= ((x1,n , . . . , xp,n ))n∈N une suite d’éléments de E. P
Alors la série xn converge si et seulement si, pour tout i ∈ Np , xi,n est convergente.
+∞
X +∞
X +∞
X
De plus, dans ce cas, xn = x1,n , . . . , xp,n .
n=0 n=0 n=0
P P
Propriété. Soit an une serie de complexes. Elle converge si et seulement si les séries Re(an ) et
+∞
X +∞
X +∞
X
P
Im(an ) convergent, et dans ce cas an = Re(an ) + i Im(an ).
n=0 n=0 n=0
2.1.3 Convergence absolue

P
Définition. an ∈ S(E) vérifie le critère de Cauchy si et seulement si
Xp
∀ε ∈ R∗+ ∃N ∈ N ∀n ≥ N ∀p ∈ N k an+k k ≤ ε.
k=1
P
Propriété. an converge si et seulement si elle vérifie le critère de Cauchy.

92
P P
Définition. an est absolument convergente si et seulement si la série kan k est convergente.
P P
Propriété. Soit an ∈ S(E) . Si an est absolument convergente, alors elle converge
+∞
X +∞
X
et k an k ≤ kan k (Inégalité triangulaire). La réciproque est fausse.
n=0 n=0
P
Définition. an est semi-convergente ssi elle converge sans être absolument convergente.
2.2 Séries à termes positifs

2.2.1 Théorèmes généraux
P P
Théorème. Soit an ∈ S(R+ ). Alors an converge si et seulement si la suite de ses sommes
Xn +∞
X
partielles est majorée, et dans ce cas, en posant pour tout n ∈ N, An = ak , an = sup An .
n=0 n∈N
k=0
+∞
X
P
Remarque. Lorsque an ∈ S(R+ ) diverge, on peut écrire que an = +∞.
n=0
P P
Propriété. Soient an , bn ∈ S(R+ ) telles que ∀n ∈ N an ≤ bn .
+∞
X +∞
X
P P
Si bn converge, alors an converge et an ≤ bn .
P P n=0 n=0
Si an est divergente, alors bn diverge.
P
Remarque. Lorsque an une série de complexes absolument convergente, on peut montrer qu’elle
est convergente de manière élémentaire, sans utiliser la notion hors programme de suite de Cauchy.
N
P
Propriété. On X note l 1
(K) = {(u n ) n∈N ∈ K / |un |converge } et pour tout u = (un )n∈N ∈ l2 (K),
posons kuk1 = |un |. Alors (l1 (K), k.k1 ) est un K-espace vectoriel normé.
n∈N
P
Propriété. On
snote l2 (K) = {(un )n∈N ∈ KN / |un |2 converge } et pour tout u = (un )n∈N ∈ l2 (K),
X
posons kuk2 = |un |2 . Alors (l2 (K), k.k2 ) est un K-espace vectoriel normé.
n∈N
Définition. Soit (an ) et (bn ) deux suites d’un K-espace vectoriel normé E.
— an = O(bn ) ⇐⇒ ∃C ∈ R+ , ∃N ∈ N, ∀n ≥ N, kan k ≤ Ckbn k.
— an = o(bn ) ⇐⇒ ∀ε > 0, ∃N ∈ N, ∀n ≥ N, kan k ≤ εkbn k.
— an ∼ bn ⇐⇒ an − bn = o(bn ).
Remarque. Lorsque E = C, si pour tout n ∈ N, bn 6= 0, alors
an
— an = O(bn ) ⇐⇒ est bornée ;
bn
an
— an = o(bn ) ⇐⇒ −→ 0 et
bn n→+∞
an
— an ∼ bn ⇐⇒ −→ 1.
bn n→+∞

93
P P
Propriété. Soit an une série de vecteurs et bn une série de réels positifs.
On suppose Pque ka n k = O(b ).
n P
Si la série P bn converge, alors Pan est absolument convergente.
Si la série kan k diverge, alors bn est divergente.
Remarque. En pratique, on utilise souvent ce théorème lorsque an = o(bn ).
P P
Théorème. Soient an , bn ∈ S(R+ ) telles que an ∼ bn . Alors les deux séries ont la même nature.
P P
Théorème. Soit an , bn ∈ S(R). On suppose que bn est positif P à partir
P d’un certain rang ou
bien que bn est négatif à partir d’un certain rang. Si an ∼ bn , alors an et bn ont la même nature.
méthode : pour étudier la nature d’une série, on commence par rechercher un équivalent
de son terme général.

94
Semaine 20 – Croissances comparées, séries de Riemann, TCSI, critère de d’Alembert, séries alternées,
non-commutativité des séries semi-convergentes, transformation d’Abel
Semaine 20 (du 24 au 28 février) :

Résumé de cours
On montrera plus tard le théorème suivant, dont l’énoncé peut être utilisé dès maintenant.
On dit que la suite an est négligeable devant la suite bn si et seulement si an = o(bn ).
De même, on dit que la fonction f (x) est négligeable devant g(x) lorsque x est au voisinage de a si et
seulement si f (x) = o(g(x)) au voisinage de a, c’est-à-dire, en supposant que l’on peut diviser, si et
f (x)
seulement si −→ 0.
g(x) x→a
Théorème des croissances comparées : Soit α, β, γ ∈ R∗+ et a > 1.
1. Les suites lnα (n), nβ , an et n! tendent vers +∞ et chacune est négligeable devant les suivantes.
2. Au voisinage de +∞, les fonctions lnα x, xβ et eγx tendent vers +∞ et chacune est négligeable
devant les suivantes.
1
3. Au voisinage de 0+ , | ln x|α = o β .
x
1
4. Au voisinage de −∞, eγx = o .
|x|β
1 Séries de Riemann
Technique de comparaison entre séries et intégrales (TCSI) : Soit n0 ∈ N.
Soit f : [n0 , +∞[−→ R une application décroissante et continue. La TCSI consiste en la présentation
des trois étapes suivantes :
Première étape : Soit k > n0 . f étant décroissante, pour tout t ∈ [k − 1, k], f (k) ≤ f (t) ≤ f (k − 1).
Z k
Deuxième étape : En intégrant, on obtient f (k) ≤ f (t)dt ≤ f (k − 1).
k−1
n
X Z n n−1
X
Troisième étape : Soit n > n0 : en sommant, f (k) ≤ f (t)dt ≤ f (k).
k=n0 +1 n0 n=n0
Théorème de comparaison entre séries et intégrales : Sous les mêmes notations et hypothèses,
P Z n
la série f (n) a même nature que la suite f (t)dt .
n0 n≥n0
X 1
Propriété. La série de Riemann converge si et seulement si α > 1.
nα
n≥1
P
Critère de Riemann : Soient an ∈ S(R+P).
S’il existe α > 1 tel que nα an −→ 0, alors an converge.
n→+∞ P
S’il existe α ≤ 1 tel que nα an −→ +∞, alors an diverge.
n→+∞
1
95
Semaine 20 : Résumé de cours 4 Non commutativité des séries semi-convergentes.
Xn
1
Propriété. (Hors programme). = ln(n) + γ + o(1), où γ est la constante d’Euler .
k
k=1
Hors programme : séries de Bertrand. Soit (α, β) ∈ R2 .
X 1
La série converge si et seulement si α > 1 ou bien (α = 1 et β > 1).
n≥2
n lnβ n
α
2 Critère de D’Alembert
P
Propriété. Critère de D’Alembert. Soit an une série de réels positifs, non nuls à partir d’un
an+1
certain rang, telle que −→ l ∈ R.
P an n→+∞
Si l < 1, an est convergente,
P
Si l > 1 ou si l = 1+ , an diverge grossièrement.
Lorsque l = 1, on ne peut conclure. C’est le cas douteux du critère de d’Alembert.
Hors programme : Si (an ) et (bn ) sont deux suites de réels strictement positifs telles que, pour tout
an+1 bn+1
n ∈ N, ≤ , alors an = O(bn ).
an bn
√
Propriété. Formule de Stirling : n! ∼ 2πne−n nn .
3 Séries alternées
P
Définition.
P On appelle série alternée toute série réelle de la forme (−1)n αn ou
(−1)n+1 αn , où pour tout n ∈ R, αn ∈ R+ .
Théorème
P des séries spéciales alternées (TSSA).
n |) est décroissante et tend vers 0. On dit dans ce cas
Soit P an une série alternée telle que la suite (|aP
que an est une série spéciale alternée. Alors an est convergente.
XN
De plus pour tout (n, N ) ∈ N avec N ≥ n, la quantité
2
ak est du signe de son premier terme (qui
k=n
est an ) et a un module inférieur ou égal au module de son premier terme. C’est encore vrai lorsque
+∞
X
N = +∞, donc pour tout n ∈ {−1} ∪ N, le reste de Cauchy ak est du signe de son premier
k=n+1
+∞
X
terme (qui est an+1 ) et, pour tout n ∈ {−1} ∪ N, | ak | ≤ |an+1 |.
k=n+1
4 Non commutativité des séries semi-convergentes.

+∞
X (−1)n
= − ln 2.
n=1
n
c Éric Merle 2 MPSI2, LLG

96
Semaine 20 : Résumé de cours 5 La transformation d’Abel (hors programme)
X
On peut démontrer (hors programme) que, si an est une série semi-convergente de réels, pour tout
X
` ∈ R, il existe une bijection σ : N −→ N telle que aσ(n) converge et a pour somme `.
P
Dans un chapitre ultérieur, on montrera que, lorsque an est une série absolument convergente, pour
+∞
X +∞
X
P
toute bijection σ de N dans N, aσ(n) est aussi absolument convergente et aσ(n) = an .
n=0 n=0
5 La transformation d’Abel (hors programme)

n
X
N
Transformation d’Abel : Si (an ), (xn ) ∈ C , en posant Xn = xk ,
k=0
q
X q−1
X
pour tout (p, q) ∈ N2 avec p ≤ q, an xn = aq Xq − ap Xp−1 − (an+1 − an )Xn .
n=p n=p
Remarque. Cette formule ressemble à l’intégration par parties.
P
Théorème d’Abel : Soient (an ) une suite décroissante de réels qui
P tend vers 0 et xn une série de
complexes dont les sommes partielles sont bornées. Alors la série an xn converge.

97
Semaine 21 – Topologie dans un espace métrique, ouverts, fermés, adhérence, intérieur, compacts, continuité
ponctuelle
Semaine 21 (du 2 mars au 7) :

Résumé de cours
1 Topologie dans un espace métrique

Pour tout ce chapitre, on fixe un espace métrique (E, d) non vide.
1.1 Ouverts et fermés

Définition. Soient x ∈ E et V une partie de E.
V est un voisinage de x si et seulement s’il existe r > 0 tel que Bo (x, r) ⊂ V .
V(x) désignera l’ensemble des voisinages de x.
Remarque. Si E est un espace vectoriel normé, lorsqu’on remplace la norme sur E par une norme
équivalente, pour tout x ∈ E, V(x) n’est pas modifié.
Propriété. La notion de voisinage satisfait les propriétés suivantes :
Pour tout x ∈ E, E ∈ V(x).
Pour tout x ∈ E et tout V ∈ V(x), si W ⊃ V , alors W ∈ V(x).
Si x ∈ E et si (V, W ) ∈ V(x)2 , alors V ∩ W ∈ V(x).
Propriété. Si x ∈ E, une intersection finie de voisinages de x est un voisinage de x.
Définition. Soit U ⊂ E. U est ouvert si et seulement si U est voisinage de tous ses points.
Propriété. La notion d’ouvert satisfait les propriétés suivantes :
∅ et E sont des ouverts de E.
Une intersection finie d’ouverts est un ouvert.
Si I est un ensemble quelconque
[ (éventuellement de cardinal infini) et si (Ui )i∈I est une
famille d’ouverts de E, alors Ui est un ouvert de E.
i∈I
Propriété. Les ouverts sont exactement les réunions de boules ouvertes.
Définition. Une partie de E est un fermé de E si et seulement si son complémentaire est un ouvert.
Propriété. La notion de fermé satisfait les propriétés suivantes :
∅ et E sont des fermés de E.
Une réunion finie de fermés est un fermé.
Si I est un ensemble quelconque
\ (éventuellement de cardinal infini) et si (Fi )i∈I est une
famille de fermés de E, alors Fi est un fermé de E.
i∈I
Propriété. Les boules fermées (donc en particulier les singletons) sont des fermés.
Corollaire. Toute partie de E de cardinal fini est un fermé de E.
1
98
Semaine 21 : Résumé de cours 1 Topologie dans un espace métrique
1.2 Adhérence et intérieur
Définition. Soient a ∈ E et A une partie de E. On dit que a est un point intérieur de A si et

◦
seulement si A ∈ V(a). On note A l’ensemble des points intérieurs de A.
◦
Ainsi, pour tout a ∈ E, a ∈ A ⇐⇒ A ∈ V(a).
Propriété. Soit A une partie de E.

◦
A est la réunion des ouverts contenus dans A. C’est le plus grand ouvert inclus dans A.
Propriété. Soient A et B deux parties de E.

◦
A ⊂ A,
◦
A = A si et seulement si A est un ouvert,
◦
◦ ◦
A = A,
◦ ◦
A ⊂ B =⇒ A ⊂ B et
◦
z }| { ◦ ◦
A ∩ B = A ∩ B.
Définition. Soient a ∈ E et A une partie de E. On dit que a est un point adhérent de A si et
seulement si, pour tout V ∈ V(a), V ∩ A 6= ∅.
On note A l’ensemble des points adhérents de A. A est appelée l’adhérence de A.
Ainsi, pour tout a ∈ E, a ∈ A ⇐⇒ [∀V ∈ V(a) V ∩ A 6= ∅].
◦
z }| { ◦
Propriété. Soit A une partie de E. E \ A = E \ A et E \ A = E \ A.
Corollaire. Soit A une partie de E.
A est l’intersection des fermés contenant A. C’est le plus petit fermé contenant A.
Propriété. Soient A et B deux parties de E.
A ⊃ A,
A = A si et seulement si A est un fermé,
A = A,
A⊂B =⇒ A ⊂ B et
A∪B = A ∪ B.
Propriété (hors programme) : Soit (xn ) une suite de points de E.
Pour tout N ∈ N, notons XN = {xn /n ≥ N }. \
Alors l’ensemble des valeurs d’adhérence de (xn ) est XN : il est fermé.
N ∈N
Définition. Soit A une partie de E. Soit x ∈ A.
On dit que x est isolé dans A si et seulement si il existe V ∈ V(x) tel que V ∩ A = {x}, c’est-à-dire si
et seulement si x ∈
/ A \ {x}.
Définition. Soit A une partie de E. Soit x ∈ E.

99
Semaine 21 : Résumé de cours 1 Topologie dans un espace métrique
On dit que x est un point d’accumulation de A si et seulement si, pour tout V ∈ V(x), (V ∩A)\{x} =
6 ∅,
c’est-à-dire si et seulement si x ∈ A \ {x}.
Propriété. Les points adhérents de A sont les points de E situés à une distance nulle de A.
Définition. Une partie de E est dense dans E si et seulement si elle rencontre toutes les boules
ouvertes de E.
Propriété. Une partie A de E est dense dans E si et seulement si A = E.
◦ ◦
Définition. Soit A ⊂ E. La frontière de A est F r(A) = A \ A = A ∩ E \ A = A ∩ (E \ A).
◦
Propriété. Soit A une partie de E. [A \ F r(A)] = A ⊂ A ⊂ A = [A ∪ F r(A)].
Propriété. A ouvert ⇐⇒ A ∩ F r(A) = ∅. A fermée ⇐⇒ F r(A) ⊂ A.
1.3 Caractérisation par les suites
Propriété. a ∈ A si et seulement s’il existe une suite d’éléments de A qui converge vers a.
Corollaire. A est dense dans E si et seulement si pour tout l ∈ E, il existe (xn ) ∈ AN telle que
xn −→ l.
n→+∞
Propriété. A est fermé si et seulement si toute suite convergente d’éléments de A a pour limite un
élément de A.
1.4 Topologie induite sur une partie
Propriété. Les boules, ouverts, fermés et voisinages pour la topologie induite sur A sont respecti-
vement les traces sur A des boules centrées dans A, des ouverts, des fermés et des voisinages pour la
topologie de E.
Propriété. Si B est une partie de A, l’adhérence de B pour la topologie induite sur A est la trace
sur A de l’adhérence de B pour la topologie globale sur E.
Propriété. Soit B une partie de A. B est dense dans A si et seulement si A ⊂ B.
1.5 Les compacts
Définition. Une partie A de E est compacte si et seulement si toute suite d’éléments de A admet
au moins une valeur d’adhérence dans A.
Propriété. Tout compact de E est fermé et borné.
Propriété. Soit A un compact de E et B ⊂ A : B est compact si et seulement s’il est fermé.
Théorème. Les compacts de R et de C sont exactement les parties fermées et bornées.
Théorème (hors programme) : Caractérisation de la compacité par la propriété de Borel
Lebesgue. Soit A une partie de E. Les assertions suivantes sont équivalentes.
i) A est compact.

100
Semaine 21 : Résumé de cours 2 Continuité ponctuelle
[
ii) Pour tout ensemble I et pour toute famille d’ouverts (Ui )i∈I telle que A ⊂ Ui , il existe une
i∈I
[
partie J finie de I telle que A ⊂ Ui : de tout recouvrement de A par des ouverts, on peut en
i∈J
extraire un recouvrement fini. \
iii) Pour tout ensemble I et pour toute famille de fermés (Fi )i∈I telle que A ∩ Fi = ∅, il existe une
i∈I
\
partie J finie de I telle que A ∩ Fi = ∅.
i∈J
N
Propriété. Si (xn ) ∈ E et xn −→ l, alors l’ensemble {xn /n ∈ N} ∪ {l} est un compact de E.
n→+∞
2 Continuité ponctuelle
On fixe deux espaces métriques E et F , ainsi qu’une fonction f : E −→ F , dont le domaine de
définition sera noté Df .
2.1 Limite en un point
Notation. On fixe une partie A de Df . On fixe également a, qui peut être infini. On suppose qu’il
existe au moins une suite (an ) ∈ AN telle que an −→ a. On fixe aussi l dans F ∪ {∞, +∞, −∞}.
n→+∞
2.1.1 Caractérisation séquentielle
Définition. f (x)
tend vers l lorsque x tend vers
a en appartenant à A si et seulement si
N
∀(xn )n∈N ∈ A xn −→ a =⇒ f (xn ) −→ l . Dans ce cas, on note f (x) −→ x→a
l.
n→+∞ n→+∞
x∈A
Propriété. Lorsque E et F sont des espaces vectoriels normés, si l’on remplace l’une des normes sur
E ou F par une norme équivalente, la condition f (x) −→
x→a
l est inchangée.
x∈A
Propriété. Unicité de la limite. Si F 6= R, on impose que l, l0 ∈ F ∪ {∞} et si F = R, on impose

que l, l0 ∈ R ∪ {+∞, −∞} : Si f (x) −→
x→a
l et f (x) −→
x→a
l0 , alors l = l0 .
x∈A x∈A
Propriété. On suppose que F = C et que l ∈ C.

Alors f (x) −→
x→a
` si et seulement si (Re(f )(x) −→
x→a
Re(`)) ∧ (Im(f )(x) −→
x→a
Im(`)).
x∈A x∈A x∈A
Propriété. Si A ⊂ B ⊂ Df et si f (x) −→
x→a
l, alors f (x) −→
x→a
l.
x∈B x∈A
2.1.2 Caractérisation par “ε”
Propriété. Si a ∈ E et l ∈ F ,
f (x) −→
x→a
l ⇐⇒ ∀ε ∈ R∗+ ∃α ∈ R∗+ ∀x ∈ A (d(x, a) ≤ α =⇒ d(f (x), l) ≤ ε).
x∈A
Remarque. Dans (1), on peut prendre les deux dernières inégalités indifféremment strictes ou larges.
Propriété. On peut adapter cette caractérisation dans le cas où a et l sont éventuellement infinis.
On obtient par exemple :

101
— Si l ∈ F et E = R,
f (x) −→ l ⇐⇒ ∀ε ∈ R∗+ ∃M ∈ R∗+ ∀x ∈ A (x ≥ M =⇒ kf (x) − lk < ε).
x→+∞
x∈A
— Si a ∈ E et F = R,
f (x) −→
x→a
+∞ ⇐⇒ ∀M ∈ R∗+ ∃α ∈ R∗+ ∀x ∈ A (kx − ak ≤ α =⇒ f (x) ≥ M ).
x∈A
— Si a = ∞ et l ∈ F , en choisissant e0 ∈ E,
−→ l ⇐⇒ ∀ε ∈ R∗+ ∃M ∈ R∗+ ∀x ∈ A (d(x, e0 ) ≥ M =⇒ d(f (x), l) ≤ ε).
f (x) x→∞
x∈A
— Si a = ∞ et l = ∞, en fixant e0 ∈ E et f0 ∈ F , f (x) x→∞

−→ ∞ si et seulement si
x∈A
∀M ∈ R∗+ ∃N ∈ R∗+ ∀x ∈ A (d(x, e0 ) ≥ N =⇒ d(f (x), f0 ) ≥ M ).

N −→ E
Remarque. Une suite (xn ) ∈ E N peut être vue comme la fonction , définie sur N qui
n 7−→ xn
est une partie non majorée de R. La notion de limite d’une suite dans un espace métrique devient
donc un cas particulier de la notion de limite d’une fonction en +∞.
2.1.3 Caractérisation par voisinages
Définition. Dans R, on appelle voisinage de +∞ toute partie contenant un intervalle ]c, +∞[ où
c ∈ R et voisinage de −∞ toute partie contenant un intervalle ] − ∞, c[.
Ainsi V(+∞) = {V ⊂ R/∃c ∈ R ]c, +∞[⊂ V } et V(−∞) = {V ⊂ R/∃c ∈ R ] − ∞, c[⊂ V }.
Définition. On suppose que E n’est pas borné. Soit e ∈ E. On appelle voisinage dans E de ∞ toute
partie contenant le complémentaire d’une boule fermée centrée en e.
Ainsi V(∞) = {V ⊂ E/∃R > 0 E \ Bf (e, R) ⊂ V }. On vérfie que V(∞) ne dépend pas de e.
Propriété. Avec les définitions précédentes de voisinages, on a encore :
Une intersection de deux voisinages de a est un voisinage a.
Toute partie contenant un voisinage de a est un voisinage de a.
Remarque.
Avec ces nouvelles définitions, les hypothèses portant sur a et A énoncées au début du présent para-
graphe se résument ainsi : tout voisinage V de a rencontre A .
Définition. On dit que f |A vérifie une certaine propriété au voisinage de a si et seulement s’il existe
un voisinage V de a tel que f |V ∩A vérifie cette propriété.
Lorsqu’on énonce une propriété portant sur f au voisinage de a ∈ E, on dit que c’est une propriété
locale (de f au voisinage de a). Lorsqu’on énonce une propriété portant sur f au voisinage de ∞ ou
de ±∞, on dit que c’est une propriété asymptotique.
Propriété. f (x) −→
x→a
l ⇐⇒ ∀V ∈ V(l) ∃U ∈ V(a) f (U ∩ A) ⊂ V .
x∈A
Propriété. Caractère local (ou asymptotique) de la notion de limite.
Pour tout U0 ∈ V(a), f (x) −→
x→a
l ⇐⇒ f (x) −→
x→a
l.
x∈A x∈A∩U0
Ainsi la valeur de l’éventuelle limite de f (x) lorsque x tend vers a pour x appartenant à A ne dépend
pas du comportement global de f sur A mais seulement du comportement de f |A au voisinage de a.
En particulier, si l’on modifie les valeurs de f (x) lorsque x ∈/ U0 , on ne modifie pas la valeur logique
de la proposition f (x) −→
x→a
l.
x∈A
Définition. Soit a ∈ E tel que a ∈ Df \ {a}. Ainsi, a est un point d’accumulation de Df . S’il existe
l ∈ F tel que f (x) −→
x→a
l, on écrit que f (x) −→
x→a
l ou même f (x) −→ l.
x→a
x∈Df \{a} x6=a

102
Propriété. Soient A et B deux parties de Df qui rencontrent tout voisinage de a.

Alors, (f (x) −→
x→a
l et f (x) −→
x→a
l) ⇐⇒ f (x) −→
x→a
l.
x∈A x∈B x∈A∪B
Définition. Supposons que E = R et que a ∈ R.
• Si a ∈ Df ∩]a, +∞[, et si f (x) −→
x→a
l, on note f (x) −→
x→a
l ou f (x) −→+ l et l = x→a
lim f (x) ou
x∈Df ∩]a,+∞[ x>a
x→a x>a
l = lim f (x). Il s’agit de la notion de limite à droite du réel a.

x→a+
• De même, si a ∈ Df ∩] − ∞, a[, et si f (x) −→
x→a
l, on note f (x) −→
x→a
l ou f (x) −→− l et
x∈Df ∩]−∞,a[ x<a
x→a
l = x→a
lim f (x) ou l = lim f (x). Il s’agit de la notion de limite à gauche du réel a.
x<a
x→a−
Propriété. On suppose que E = R et a ∈ Df ∩] − ∞, a[ ∩ Df ∩]a, +∞[.

Alors f (x) −→ l si et seulement si f (x) −→
x→a
l et f (x) −→
x→a
l.
x→a
x>a x<a
2.2 Continuité en un point
Définition. Soit a ∈ Df . f est continue en a si et seulement si f (x) −→

x→a
f (a).
x∈Df
Propriété. On suppose que F = C. Soit a ∈ Df .

f est continue en a si et seulement si Re(f ) et Im(f ) sont continues en a.
Propriété. f est continue en a si et seulement si l’une des propriétés suivantes est vérifiée :
i) Pour toute suite (xn ) de points de Df telle que xn −→ a, f (xn ) −→ f (a).
n→+∞ n→+∞
ii) ∀ε > 0 ∃α > 0 ∀x ∈ Df (d(x, a) ≤ α =⇒ d(f (x), f (a)) ≤ ε).
iii) ∀V ∈ V(f (a)) ∃U ∈ V(a) f (U ∩ Df ) ⊂ V .
Propriété. Soit a ∈ Df .
Si a ∈
/ Df \ {a} (on dit que a est un point isolé de Df ), f est toujours continue en a.
Si a ∈ Df \ {a}, f est continue en a si et seulement si f (x) −→ x→a
f (a).
x∈Df \{a}
Remarque. Soient a ∈ Df et U0 ∈ V(a). f est continue en a si et seulement si f |Df ∩U0 est continue
en a. Ainsi la notion de continuité (au point a) est une notion locale.
Définition. On dit que f est continue si et seulement si elle est continue en chaque point de son
domaine de définition.
Propriété. Les applications lipschitziennes sont continues.
Propriété. Soient A une partie de Df et a ∈ A. Si f est continue en a, alors f |A est aussi continue
en a.
Corollaire. Soit A une partie incluse dans Df . Si f est continue, alors f |A est continue.
Définition. On suppose que E = R. Soit a ∈ Df . On dit que f est continue à droite en a si et
seulement si f |[a,+∞[∩Df est continue en a. On définit de même la notion de continuité à gauche.
Propriété. On suppose que E = R. Soit a ∈ Df .
f est continue en a si et seulement si f est continue à droite et à gauche en a.

103
Semaine 22 – Théorèmes de composition, opérations algébriques sur les limites, continuité globale, TVI,
continuité des applications linéaires et continuité uniforme

Résumé de cours
1 Continuité ponctuelle (suite et fin)

1.1 Continuité en un point (suite et fin)
Définition. On suppose que f est continue. Soit D ⊃ Df . On dit que f se prolonge par continuité
sur D si et seulement s’il existe une application f˜ : D −→ F continue et telle que f˜|Df = f .
Définition. Soit a ∈ Df \ Df . f admet un prolongement par continuité en a si et seulement si f
admet une limite finie en a. Dans ce cas, l’unique prolongement par continuité f˜ de f est donné par
f˜(a) = x→a
lim f (x).
x6=a
Propriété. Soient A ⊂ E et f et g deux applications continues de A dans F .

Si f et g coı̈ncident sur une partie dense dans A, alors f = g.
1.2 Théorèmes de composition
Notation. Dans ce paragraphe, on fixe un troisième espace métrique noté G et une seconde fonction
g : F −→ G, définie sur Dg .
Propriété. Soit B une partie de Dg telle que f (A) ⊂ B. Soit m ∈ G ∪ {∞, +∞, −∞}.
Pour que g(f (x)) −→
x→a
m, il suffit que f (x) −→
x→a
l (auquel cas B rencontre tout voisinage de l) et que
x∈A x∈A
g(y) −→ m.
y→l
y∈B
Corollaire. On suppose que f (Df ) ⊂ Dg et on fixe a ∈ Df .

Si f est continue en a et g en f (a), alors g ◦ f est continue en a.
Corollaire. On suppose que f (Df ) ⊂ Dg .
Si f et g sont continues, alors g ◦ f est continue (et définie sur Df ).
Corollaire. On suppose que f (A) ⊂ Dg . Si f (x) −→
x→a
b et si g est continue en b, alors g(f (x)) −→
x→a
g(b).
x∈A x∈A
Propriété. Limite en un point d’une application à valeurs dans un produit.

Supposons que F = F1 × · · · × Fq , où F1 , . . ., Fq sont des espaces vectoriels normés et notons
f : E −→ F
.
x 7−→ f (x) = (f1 (x), . . . , fq (x))
Soient A une partie de Df , a ∈ A et l = (l1 , . . . , lq ) ∈ F . Alors,
f (x) −→
x→a
l si et seulement si pour tout i ∈ Nq , fi (x) −→ x→a i
l.
x∈A x∈A
1
104
Semaine 22 : Résumé de cours 1 Continuité ponctuelle (suite et fin)
Propriété. Continuité en un point d’une application à valeurs dans un produit.

Supposons que F = F1 × · · · × Fq , où F1 , . . ., Fq sont des espaces vectoriels normés et notons
f : E −→ F
. Soit a ∈ Df . Alors,
x 7−→ f (x) = (f1 (x), . . . , fq (x))
f est continue en a si et seulement si pour tout i ∈ Nq , fi est continue en a.
1.3 Opérations algébriques sur les limites

1.3.1 Somme de deux applications à valeurs vectorielles
Notation.
Dans ce paragraphe, on fixe une seconde fonction g : E −→ F , définie sur Dg .
On suppose que A ⊂ Df ∩ Dg .
Propriété. Si f (x) −→
x→a
l et g(x) −→
x→a
l0 , alors (f + g)(x) −→
x→a
l + l0 .
x∈A x∈A x∈A
Remarque. C’est valable dans le cadre des limites infinies, à condition d’éviter la forme indéterminée
∞ − ∞, c’est-à-dire lorsque l et l0 sont les deux éléments distincts de {+∞, −∞}.
Propriété. Soit a ∈ Df ∩ Dg . Si f et g sont continues en a, f + g est continue en a.
Corollaire. La somme de deux applications continues est continue.
1.3.2 Produit d’une application scalaire par une application vectorielle
Notation. Dans ce paragraphe, on suppose que f est une application de E dans K et que g est une
application de E dans un K-espace vectoriel normé F . Ainsi f est une “application scalaire” et g est
une “application vectorielle”. On suppose que A ⊂ Df ∩ Dg .
x→a
l et g(x) −→
x→a
l0 , alors (f g)(x) −→
x→a
ll0 .
x∈A x∈A x∈A
Remarque. C’est valable dans le cadre des limites infinies, à condition d’éviter la forme indéterminée
0 × ∞.
Propriété. Soit a ∈ Df ∩ Dg . Si f et g sont continues en a, f g est aussi continue en a.
Corollaire. Le produit d’une application scalaire continue par une application vectorielle continue
est continue.
Propriété. Soit A une partie de E. L’ensemble C(A, F ) des applications continues de A dans F est
un K-espace vectoriel. C(A, K) est une K-algèbre.
Propriété. On suppose que f est une application de E dans K∗ .
1 1
Si f (x) −→ l ∈ K alors ( )(x) −→ .
x→a
x∈A
f x→a
x∈A
l
Remarque. Cette propriété est valable avec des limites infinies dans les cas suivants :
1
— Si l = ∞, en convenant que ∞ = 0.
— Si K = R et l = 0 (c’est-à-dire que l = 0 et que f est strictement positive au voisinage de a),
+
en convenant que 01+ = +∞.

— Si K = R et l = 0− , en convenant que 01− = −∞.

105
Semaine 22 : Résumé de cours 2 Continuité globale
1.4 Cas des fonctions à valeurs dans R.

On suppose ici que F = R.
Propriété : passage à la limite sur une inégalité large :
Si ∀x ∈ A f (x) ≤ g(x), f (x) −→
x→a
l et g(x) −→
x→a
l0 , alors l ≤ l0 .
x∈A x∈A
Principe du tunnel (pour des inégalités strictes) :

Si f (x) −→
x→a
` ∈ R et α < ` < β, alors, au voisinage de a, α < f (x) < β.
x∈A
Corollaire. Si f (x) −→
x→a
` ∈ R alors f |A est bornée au voisinage de a.
x∈A
Propriété. Principe des gendarmes.

Si ∀x ∈ A h1 (x) ≤ h2 (x) ≤ h3 (x), h1 (x) −→
x→a
l et h3 (x) −→
x→a
l, alors h2 (x) −→
x→a
l.
x∈A x∈A x∈A
Remarque. On peut adapter le principe des gendarmes au cas où l = ±∞.

1.5 Cas des fonctions de R dans R.

2
Théorème de la limite monotone : Soit (m, M ) ∈ R avec m < M et f : ]m, M [−→ R.
Si f est croissante, alors f (x) −→ sup f (y) ∈ R et f (x) x→m
−→ inf f (y) ∈ R.
x→M
y∈I x∈I
y∈I
x∈I
Si f est décroissante, alors f (x) −→ inf f (y) ∈ R et f (x) x→m

−→ sup f (y) ∈ R.
x→M y∈I x∈I y∈I
x∈I

2
Propriété. Soit (m, M ) ∈ R avec m < M et f : ]m, M [−→ R une application monotone. Pour tout
a ∈ I, f possède en a une limite à droite, notée f (a+ ), et une limite à gauche, notée f (a− ). De plus,
si f est croissante, f (a− ) ≤ f (a) ≤ f (a+ ), et si f est décroissante, f (a− ) ≥ f (a) ≥ f (a+ ).
f est discontinue en a si et seulement si f (a+ ) 6= f (a− ) et dans ce cas |f (a+ ) − f (a− )| s’appelle le
saut de discontinuité de f en a.
Exercice. Si f est une application strictement croissante d’un intervalle I dans R, montrer
que l’ensemble des points de discontinuité de f est au plus dénombrable.
2 Continuité globale
2.1 Cas des fonctions de R dans R
Notation. Dans ce paragraphe, on fixe un intervalle I d’intérieur non vide.

Théorème des valeurs intermédiaires (TVI) :
Soit f : I −→ R une application continue à valeurs réelles. Soit a, b ∈ I avec a < b. Alors, pour tout
réel k compris entre f (a) et f (b), il existe c ∈ [a, b] tel que f (c) = k.
Ainsi, l’image d’un intervalle par une application continue à valeurs réelles est un intervalle.
Exercice. Soit P une application polynomiale de R dans R de degré impair. Montrer que P
possède au moins une racine réelle.

106
Théorème.
Une fonction continue de I dans R est injective si et seulement si elle est strictement monotone.
Théorème de la bijection :
Soit f : I −→ R une application continue et strictement monotone.
f est une bijection de I dans f (I) et f −1 : f (I) −→ I est également continue et strictement
monotone (de même sens de variation que f ).
Remarque. Dans un tableau de variations, les flèches obliques signifient que l’application étudiée
est continue et strictement monotone. Le théorème de la bijection affirme en particulier que toutes les
valeurs intermédiaires sont atteintes exactement une fois.
Définition. Soit E et F deux espaces métriques. f : E −→ F est un homeomorphisme entre E et
F si et seulement si f est une bijection telle que f et f −1 sont continues.
Deux espaces métriques sont homéomorphes si et seulement si il existe un homéomorphisme entre ces
deux espaces.
2.2 Continuité et ouverts
Théorème. Soit E et F deux espaces métriques et soit f : E −→ F une application définie sur Df .
Les propriétés suivantes sont équivalentes.
i) f est continue.
ii) L’image réciproque par f de tout ouvert de F est un ouvert
pour la topologie induite sur Df .
iii) L’image réciproque par f de tout fermé de F est un fermé
pour la topologie induite sur Df .
2.3 Continuité d’une application linéaire
Notation. Dans ce paragraphe, E et F désignent 2 K-espaces vectoriels normés.

Théorème. On suppose que f ∈ L(E, F ). Les assertions suivantes sont équivalentes.
i)f est continue.

ii) f est continue en 0.
iii) f est bornée sur la boule unité de E.
iv) f est bornée sur la sphère unité de E.
v) ∃k ∈ R+ ∀x ∈ E kf (x)k ≤ kkxk.
vi) f est lipschitzienne.
Exercice. On note LC(E) l’ensemble des endomorphismes continus sur E.
1◦ ) Montrer que LC(E) est un K-espace vectoriel que l’on peut munir de la norme suivante :
∀u ∈ LC(E) kuk = sup ku(x)kE .
x∈E
kxkE ≤1
2◦ ) Montrer que ∀u ∈ LC(E) ∀x ∈ E ku(x)kE ≤ kukkxkE .

Montrer que ∀(u, v) ∈ LC(E)2 kv ◦ uk ≤ kvkkuk.

107
2.4 Continuité et compacité

Propriété (hors programme) : f est continue si et seulement si ses restrictions aux compacts de
E inclus dans Df sont continues.
Théorème. L’image directe d’un compact par une application continue est un compact.
Corollaire. Soient A un compact non vide de E et f : A −→ R une application continue. Alors f
est bornée et elle atteint ses bornes, c’est-à-dire qu’il existe
(xm , xM ) ∈ A2 tel que, pour tout x ∈ A, f (xm ) ≤ f (x) ≤ f (xM ).
Corollaire. L’image directe d’un segment de R par une application continue à valeurs réelles est un
segment.
2.5 La continuité uniforme
Notation. On fixe deux espaces métriques E et F ainsi qu’une application

f : E −→ F définie sur Df ⊂ E.
Définition. f est uniformément continue sur Df si et seulement si
∀ε ∈ R∗+ ∃α ∈ R∗+ ∀(x, y) ∈ Df2 (d(x, y) ≤ α =⇒ d(f (x), f (y)) ≤ ε).
Propriété. Caractérisation séquentielle de la continuité uniforme.
f est uniformément continue si et seulement si pour tout couple ((xn ), (yn )) de suites d’éléments de
Df tel que d(xn , yn ) −→ 0, d(f (xn ), f (yn )) −→ 0.
n→+∞ n→+∞
Propriété. La composée de deux applications uniformément continues est uniformément continue.
Propriété. “lispchitzienne”=⇒“uniformément continue”=⇒“continue”, mais les réciproques sont
fausses.
Théorème de Heine : Toute application continue sur un compact est uniformément continue.

108
Semaine 23 – Comparaison au voisinage d’un point, domination, prépondérance, relation d’équivalence,
développements limités, applications aux séries

Résumé de cours
Comparaison au voisinage d’un point

K désigne R ou C.
Notation. A est une partie d’un espace K-espace vectoriel normé E. Soit a ∈ E ∪ {+∞, −∞, ∞}.
On suppose que tout voisinage de a rencontre A.
Sauf mention du contraire, les applications considérées dans ce chapitre sont définies sur A et sont à
valeurs dans un K-espace vectoriel normé.
1 La relation de domination
Définition. On dit que f est dominée par g au voisinage de a si et seulement si
(1) : ∃V ∈ V(a) ∃C ∈ R∗+ ∀x ∈ V ∩ A kf (x)k ≤ Ckg(x)k.
O (g(x)) (notation de Landau) ou bien f (x) g(x) (notation de Hardy).
On note alors f (x) = x→a
x∈A
Remarque. f = O(g) si et seulement si kf (x)k = O(kg(x)k).

Cas particulier des suites.
xn = O(yn ) si et seulement si ∃N ∈ N ∃C ∈ R∗+ ∀n ≥ N kxn k ≤ Ckyn k.
Propriété. S’il existe V voisinage de a tel que g(x) ne s’annule jamais sur V ,
kf (x)k
f = O(g) si et seulement si x 7−→ est bornée au voisinage de a.
kg(x)k
Propriété. O(O(f )) = O(f ) ( Il faut savoir le démontrer.), O(f ) + O(f ) = O(f ),
Lorsque ϕ(A) ⊂ K, O(ϕ).O(f ) = O(ϕ.f ). Si α ∈ R∗+ , lorsque f (A) ⊂ R∗+ , O(f )α = O(f α ).
O (g(x)) et si g(x) −→
Propriété. Si f (x) = x→a x→a
0, alors f (x) −→
x→a
0.
x∈A x∈A x∈A
Propriété. (Hors programme) Soient (un ), (vn ) ∈ R∗+ N .

un+1 vn+1
S’il existe N ∈ N tel que ∀n ≥ N ≤ , alors un = O(vn ).
un vn
2 La relation de prépondérance
Définition. On dit que f est négligeable devant g au voisinage de a si et seulement si
(1) : ∀ε ∈ R∗+ ∃V ∈ V(a) ∀x ∈ V ∩ A kf (x)k ≤ εkg(x)k.
o (g(x)) (notation de Landau) ou bien f (x) << g(x) (notation de Hardy).
On note alors f (x) = x→a
x∈A
Remarque. f = o(g) si et seulement si kf (x)k = o(kg(x)k).
1
109
Semaine 23 : Résumé de cours 3 La relation d’équivalence
Cas particulier des suites. xn = o(yn ) si et seulement si ∀ε ∈ R∗+ ∃N ∈ N ∀n ≥ N kxn k ≤ εkyn k.

Propriété. S’il existe V voisinage de a tel que g(x) ne s’annule jamais sur V ,
kf (x)k
f = o(g) si et seulement si −→ 0.
kg(x)k x→a
x∈A
Exemples. f = o(1) si et seulement si f (x) −→

x→a
0.
x∈A
Exemple. Soit α, β ∈ R avec α < β. Alors en +∞, xα = o(xβ ) et en 0+ , xβ = o(xα ).

Propriété. o(f ) = O(f ), o(O(f )) = o(f ) et O(o(f )) = o(f ) (donc aussi o(o(f )) = o(f )).
o(f ) + o(f ) = o(f ) ( Il faut savoir le démontrer.),
Lorsque ϕ(A) ⊂ K, o(ϕ).O(f ) = o(ϕ.f ) et O(ϕ).o(f ) = o(ϕ.f ) (donc aussi o(ϕ).o(f ) = o(ϕ.f )).
Si α ∈ R∗+ , lorsque f (A) ⊂ R∗+ , o(f )α = o(f α ).
Théorème des croissances comparées : Soit α, β, γ ∈ R∗+ et a > 1.
1. Les suites lnα (n), nβ , an et n! tendent vers +∞ et chacune est négligeable devant les suivantes.
2. Au voisinage de +∞, les fonctions lnα x, xβ et eγx tendent vers +∞ et chacune est négligeable
devant les suivantes.
1
3. Au voisinage de 0+ , | ln x|α = o β .
x
1
4. Au voisinage de −∞, eγx = o .
|x|β
3 La relation d’équivalence
3.1 Définition
Définition. On dit que f est équivalente à g au voisinage de a si et seulement si f − g = o(g). Ainsi,
∼ g(x) ⇐⇒ f = g + o(g) .
f (x) x→a
x∈A
Propriété. On suppose qu’il existe V voisinage de a tel que g(x) ne s’annule jamais sur V , que f et
f (x)
g sont à valeurs dans K. Alors f ∼ g ⇐⇒ −→ 1.
g(x) x→a
x∈A
n
X
Exemple. Si P (X) = ak X k est un polynôme à coefficients complexes, avec an 6= 0 et am 6= 0,
k=m
au voisinage de 0, P (t) ∼ am tm et au voisinage de +∞, P (t) ∼ an tn .
Propriété. La relation “∼” est une relation d’équivalence sur F(A, F ).
x→a
l ∈ K et si l 6= 0, alors f (x) ∼ l.
x∈A
3.2 Propriétés de stabilité de la relation d’équivalence

Propriété. Si f (x) ∼ g(x), alors kf (x)k ∼ kg(x)k.
Propriété. Stabilité du produit.
Si ϕ ∼ Ψ, avec ϕ et Ψ à valeurs dans K, et si f ∼ g, alors ϕ.f ∼ Ψ.g.
1 1
Propriété. Si g(x) 6= 0 au voisinage de a et f ∼ g, avec f et g à valeurs dans K, alors ∼ .
f (x) g(x)
Propriété. On suppose que f et g sont à valeurs réelles.
Si f ∼ g, alors f et g ont le même signe au voisinage de a au sens strict.

110
Semaine 23 : Résumé de cours 4 Les développements limités.
Propriété. Soient α ∈ R. On suppose que f et g sont à valeurs réelles.

Si f ∼ g et si g est strictement positive au voisinage de a, alors f α (x) ∼ g α (x).
Propriété. Si f ∼ g et si g(x) −→
x→a
l ∈ F ∪ {∞, ±∞}, alors f (x) −→
x→a
l.
x∈A x∈A
Propriété. La condition f = O(g) (respectivement f = o(g), f ∼ g) est vraie si et seulement si elle

l’est en remplaçant f et g par des applications équivalentes.
Propriété. (Hors programme) On suppose que f et g sont à valeurs réelles strictement positives. Si
g(x) −→
x→a
l ∈ R+ \ {1} et si f (x) ∼ g(x), alors ln(f (x)) ∼ ln(g(x)).
x∈A
Lorsque g(x) −→
x→a
1, alors ln(g(x)) ∼ g(x) − 1.
x∈A
Propriété. Changement de variable.
Soient F un second K-espace vectoriel normé, B ⊂ F et b ∈ F ∪ {+∞, −∞, ∞}. On suppose que tout
voisinage de b rencontre B. Soit ϕ : B −→ A une application telle que ϕ(t) −→
t→b
a .
t∈B
∼ g(x) (respectivement : f (x) = O(g(x)), f (x) = o(g(x))), alors

Si f (x) x→a
x∈A
f ◦ ϕ(t) ∼ g ◦ ϕ(t) (respectivement : f ◦ ϕ(t) = O(g ◦ ϕ(t)), f ◦ ϕ(t) = o(g ◦ ϕ(t))).

t→b
t∈B
3.3 Défauts de stabilité de la relation d’équivalence

En général, si f (x) ∼ g(x), ϕ(f (x)) 6∼ ϕ(g(x)).
L’équivalence de fonctions au voisinage d’un point n’est pas stable pour la somme.
Elever un équivalent à une puissance qui dépend de la variable n’est pas autorisé. Par exemple, au
voisinage de +∞, 1 + n1 ∼ 1, mais (1 + n1 )n −→ e, donc (1 + n1 )n 6∼ 1.
n→+∞
3.4 Résumons : quelques méthodes de calculs d’équivalents

Si xn −→ l ∈ E, avec l 6= 0, alors xn ∼ l.
n→+∞
Si xn = an bn , chercher des équivalents de an et de bn et en faire le produit.
an
Si xn = , chercher des équivalents de an et de bn et en faire le quotient.
bn
Si xn = an + bn , regarder si an = o(bn ), auquel cas xn ∼ bn ,
ou bien si bn = o(an ), auquel cas xn ∼ an .
4 Les développements limités.

Dans ce paragraphe, les fonctions considérées sont définies sur une partie A de K et sont à valeurs
dans K.
4.1 Définitions
Définition. Soient f : A −→ K une application et n ∈ N. On dit que f admet un développement
limité au voisinage de a à l’ordre n (ou en o(xn )) si et seulement s’il existe P ∈ Kn [X] tel que
f (a + x) = P (x) + o(xn ).
x→0
Xn
Si P (X) = ak X k avec am 6= 0, alors f (x) ∼ am xm : am xm est la partie principale de f (x) en 0.
k=m

111
Semaine 23 : Résumé de cours 5 Applications aux séries
Remarque. Pour toute la suite de ce paragraphe, on suppose que a = 0 (on peut toujours s’y
ramener par changement de variable) et que 0 est un point d’accumulation de A.
Définition. développements limités au sens fort.
Avec les notations précédentes, on dit que f admet un développement limité au sens fort au voisinage
de 0 à l’ordre n (ou en O(xn+1 )) si et seulement s’il existe P ∈ Kn [X] tel que f (x) = P (x) + O(xn+1 ).
Les propriétés qui suivent sont valables pour les développements limités au sens fort ou au sens faible,
mais nous ne les énoncerons que dans le cas du sens faible.
Propriété. unicité du développement limité. Avec les notations précédentes,
s’il existe (P, Q) ∈ Kn [X]2 tel que f (x) = P (x) + o(xn ) = Q(x) + o(xn ), alors P = Q.
Propriété. On suppose que f (x) admet un DLn (0) de la forme f (x) = P (x) + o(xn ).
Si f est paire, P est pair, donc P ne contient que des monômes de degrés pairs.
De même, si f est impaire, P est impair, donc P ne contient que des monômes de degrés impairs.
4.2 Opérations sur les développements limités
Propriété. Les règles de calcul établies pour les “o” et les “O” permettent d’additionner, de multiplier
et de composer des développements limités entre eux.
n
X
Remarque. Il est souvent pratique d’écrire un DL ak xk + o(xn ) sous sa forme normalisée
k=m
am xm (1 + · · · + o(xn−m )).
4.3 Applications
Position de la tangente : un calcul de développement limité permet de positionner le graphe d’une
application f par rapport à sa tangente en a, localement en a.
Détermination des asymptotes obliques : lorsque f (x) −→ ∞, s’il existe c0 , c1 , c2 ∈ R tels
x→+∞
qu’en +∞, f (x) = c0 x + c1 + c2 x1 + o( x1 ), alors la droite d’équation y = c0 x + c1 est asymtote au
graphe de f et le signe de c2 permet de positionner, au voisinage de +∞, le graphe de f par rapport
à son asymptote.
5 Applications aux séries

Théorème.
P P
Soient an ∈ S(E), où E est un Banach, et bn ∈ S(R), avec bn de signe constant à partir d’un
certain rang. P
• On suppose que bn est convergente.
+∞
X +∞
X
Pour tout n ∈ N, on note Rn = ak (en cas de convergence) et Sn = bk .
k=n+1 P P k=n+1
Ce sont les restes de Cauchy P(à l’ordre n) des séries an et bn .
Si an = O(bn ) alorsP an converge absolument et Rn = O(Sn ),
Si an = o(bn ) alors
P an converge absolument et Rn = o(Sn ),
Si an ∼ bn alors an converge absolument et Rn ∼ Sn .
P
• On suppose que bn est divergente.
Xn Xn
Pour tout n ∈ N, on note An = ak et Bn = bk .
k=0 k=0

112
Semaine 23 : Résumé de cours 5 Applications aux séries
Si an = O(bn ) alors An = O(Bn ),

Si an = o(bn ) alors An = o(Bn ),
Si an ∼ bn alors An ∼ Bn .
n
1 X
Exercice. Moyenne de Césaro : Soit (an ) ∈ CN telle que an −→ l ∈ C. Alors ak −→ l.
n→+∞ n+1 n→+∞
k=0
X 1
Exercice. La série de Bertrand converge ssi α > 1 ou (α = 1 et β > 1).
n≥2
nα lnβ n

113
Semaine 24 – Dérivabilité, opérations, dérivées d’ordre supérieurs, égalité des accroissements finis, formules
de Taylor, monotonie et dérivabilité, suites récurrentes d’ordre 1, fonctions convexes

Résumé de cours
1 Dérivabilité
1.1 Interprétations d’une dérivée
f (t) − f (a)
Définition. f est dérivable au point a si et seulement si −→ ` ∈ E. Dans ce cas, ` est
t−a t→a
t6=a,t∈I
hd i f (t) − f (a)
appelée la dérivée de f au point a. On note f 0 (a) = (f (t)) = lim ∈ E.
dt t=a t→a
t6=a,t∈I
t−a
Remarque. Informellement, lorsque E = R, la corde du graphe de f entre les abscisses x0 et x1 ,
f (x1 ) − f (x0 )
d’équation y − f (x0 ) = × (x − x0 ), tend vers la tangente au graphe de f en le point de
x1 − x0
coordonnées (x0 , f (x0 )), d’équation y − f (x0 ) = f 0 (x0 ).(x − x0 ).
Parmi les droites non verticales du plan, la tangente est la meilleure approximation du graphe de f
au voisinage de x0 .
f (t) − f (a)
interprétation cinématique : est la vitesse moyenne du mobile ponctuel f (t) entre
t−a
0
les instants a et t, donc kf (a)k représente la vitesse instantanée du mobile à l’instant a.
1.2 Dérivées à gauche et à droite
Définition. On dit que f est dérivable à droite en a si et seulement si f/I∩[a,+∞[ est dérivable en a.
f (t) − f (a)
On note alors fd0 (a) = lim .
t→a
t>a,t∈I
t−a
◦
Théorème. Lorsque a ∈ I, f est dérivable en a si et seulement si f est dérivable à droite et à gauche
en a et si l’on a fd0 (a) = fg0 (a). Dans ce cas, f 0 (a) = fd0 (a) = fg0 (a).
1.3 Dérivées et développements limités
Propriété. f est dérivable en a si et seulement s’il existe l ∈ E tel que

◦ (t − a). Dans ce cas l = f 0 (a).
f (t) = f (a) + (t − a)l+ t→a
t6=a,t∈I
Propriété. Si f est dérivable en a, elle est continue en a.

Remarque. Si f est seulement dérivable à droite et à gauche en a, alors f est continue en a.
1
114
Semaine 24 : Résumé de cours 3 Dérivées d’ordre supérieur
2 Opérations sur les fonctions dérivables

Propriété. Dérivation d’une application à valeurs dans un produit. Supposons que
Yp
E= Ei , et pour tout t ∈ I, notons f (t) = (f1 (t), . . . , fp (t)). f est dérivable en a si et seulement si,
i=1
pour tout i ∈ Np , fi est dérivable en a. Dans ce cas f 0 (a) = (f10 (a), . . . , fp0 (a)).
Propriété. Supposons que E est un espace vectoriel de dimension finie muni d’une base
p
X
e = (e1 , . . . , ep ). Pour tout t ∈ I, notons f (t) = fi (t)ei . f est dérivable en a si et seulement si,
i=1
p
X
0
pour tout i ∈ Np , fi est dérivable en a et dans ce cas f (a) = fi0 (a)ei .
i=1
Cas particulier. Si f est une application de I dans C, f est dérivable en a si et seulement si Im(f )
et Re(f ) sont des applications dérivables en a. Dans ce cas f 0 (a) = Re(f )0 (a) + iIm(f )0 (a).
Propriété. Soient F un second K-espace vectoriel normé et u une application linéaire continue de
E dans F . Si f est dérivable en a, alors u ◦ f est dérivable en a et (u ◦ f )0 (a) = u(f 0 (a)).
0
Propriété. Lorsque K = C, si f est dérivable, alors f est dérivable et f = f 0 .
Propriété de linéarité. Soit (α, β) ∈ K2 . Si f et g sont dérivables en a, alors αf + βg est dérivable
en a et (αf + βg)0 (a) = αf 0 (a) + βg 0 (a).
Définition. Soient E, F et G trois K-espaces vectoriels et B : E × F −→ G une application.
On dit que B est bilinéaire si et seulement si, pour tout y ∈ F , x 7−→ B(x, y) est linéaire et si, pour
tout x ∈ E, y 7−→ B(x, y) est linéaire.
Théorème de dérivation d’un produit : Soient E, F et G trois K-espaces vectoriels normés et
B : E × F −→ G une application bilinéaire continue. Soient f une application de I dans E et g une
B(f, g) : I −→ G
application de I dans F . On dispose de l’application . Si f et g sont
t 7−→ B(f (t), g(t))
dérivables en a, B(f, g) est dérivable en a et B(f, g)0 (a) = B(f 0 (a), g(a)) + B(f (a), g 0 (a)).
!0 p h
Yp X Y i
Corollaire. fi (a) = fi0 (a) fj (a) .
i=1 i=1 1≤j≤p
j6=i
Dérivation des fonctions composées. Soient ϕ : I −→ J et f : J −→ E deux applications.

Si ϕ est dérivable en a et f en ϕ(a), alors f ◦ ϕ est dérivable en a et (f ◦ ϕ)0 (a) = ϕ0 (a)f 0 (ϕ(a)).
Corollaire. f 0 = (fn0 ◦ fn−1 ◦ · · · ◦ f1 ) × (fn−1
0
◦ fn−2 ◦ · · · ◦ f1 ) × · · · × f10 .
Dérivée de l’inverse. 1 0 f 0 (a)
Soit f : I −→ K∗ une application dérivable en a. Alors 1f est dérivable en a et (a) = − .
f f (a)2
Dérivée logarithmique. Soit f : I −→ K∗ dérivable en a.
f 0 (a)
est appelée la dérivée logarithmique de f en a. Lorsque K = R, elle est égale à (ln |f |)0 (a).
f (a)
u 0

0
∗ (uv) u0 v0 u0 v0
Propriété. Si u et v sont dérivables de I dans K , = + , v
u = −
uv u v v
u v
n 0 0 α 0 0
(u ) u (u ) u
∀n ∈ N∗ = n , et, si u est à valeurs dans R∗+ , ∀α ∈ R =α .
un u uα u

115
Semaine 24 : Résumé de cours 4 L’égalité des accroissements finis
3 Dérivées d’ordre supérieur

3.1 Définition
0
Définition. f (0) = f , f (n) (t) = f (n−1) (t).
Propriété. Pour tout p, q ∈ N, f est p + q fois dérivable sur I si et seulement si f (p) est q fois
dérivable sur I, auquel cas, f (p+q) = [f (p) ](q) .
Remarque. On dit que f est n fois dérivable en a si et seulement si il existe une boule ouverte B
centrée en a telle que f |B∩I soit n − 1 fois dérivable et telle que [f |B∩I ](n−1) soit dérivable en a.
Définition. On dit que f est de classe Dn (resp : C n ) si et seulement si f (n) est une application
définie sur I (resp : définie et continue).
On dit que f est de classe C ∞ si et seulement si f est de classe C n pour tout n ∈ N.
3.2 Opérations sur les dérivées supérieures
Propriété de linéarité. Soit n ∈ N. Si f et g sont Dn , alors pour tout (α, β) ∈ K2 , αf + βg est Dn

et [αf + βg](n) = αf (n) + βg (n) .
Formule de Leibniz : Soient E, F et G trois K-espaces vectoriels normés et
B : E × F −→ G une application bilinéaire continue. Soient f une application de I dans E et g une
B(f, g) : I −→ G
application de I dans F . On dispose de l’application .
t 7−→ B(f (t), g(t))
Soit a ∈ I ; Si f et g sont dérivables n fois en a, B(f, g) est dérivable n fois en a
Xn
et B(f, g)(n) (a) = Cnk B(f (k) (a), g (n−k) (a)).
k=0
Corollaire. Pour tout n ∈ N ∪ {∞}, le produit de deux applications C n est C n .
Théorème de composition : Soient J un intervalle de R d’intérieur non vide et E un K-espace
vectoriel normé. Soient ϕ : I −→ J et f : J −→ E deux applications.
Soit n ∈ N ∪ {∞}. Si ϕ et f sont C n alors f ◦ ϕ est C n .
4 L’égalité des accroissements finis

Dans ce paragraphe, toutes les applications utilisées sont définies sur I et sont à valeurs dans R.
4.1 Extremum et point critique
Définition. f admet un maximum local en a si et seulement s’il existe un voisinage V de a tel que
∀t ∈ V ∩ I f (t) ≤ f (a).
f présente en a un maximum local strict si et seulement s’il existe un voisinage V de a tel que
∀t ∈ V ∩ I \ {a} f (t) < f (a).
◦
Définition. Lorsque f est dérivable en a ∈ I, a est un point critique de f si et seulement si f 0 (a) = 0.
◦
Théorème. Les extremums locaux de f sur I sont des points critiques de f . Réciproque fausse.

116
Semaine 24 : Résumé de cours 5 Formules de Taylor
4.2 Le lemme de Rolle
Lemme de Rolle. Soient (a, b) ∈ R2 avec a < b et f : [a, b] −→ R une application continue sur [a, b]
et dérivable sur l’ouvert ]a, b[. Si f (a) = f (b), il existe c ∈]a, b[ tel que f 0 (c) = 0.
[0, 2π] −→ C
Remarque. C’est faux pour une application à valeur dans C : prendre .
θ 7−→ eiθ
Un exercice à connaı̂tre : On dit qu’un polynôme P de R[X] est simplement scindé dans R[X] si
n
Y
et seulement si il se décompose sous la forme P (x) = λ (x − αi ), où λ ∈ R∗ et α1 , . . . , αn ∈ R avec
i=1
i 6= j =⇒ αi 6= αj . Si P est simplement scindé dans R[X], alors P 0 l’est aussi.
Théorème de Rolle généralisé (Hors programme).
Soit (a, b) ∈ R ∪ {−∞, +∞} avec a < b. Si f est dérivable sur ]a, b[ et si
lim f (x) = lim f (x) ∈ R ∪ {−∞, +∞}, alors il existe c ∈]a, b[ tel que f 0 (c) = 0.
x→a x→b
4.3 L’égalité des accroissements finis
Théorème des accroissements finis (TAF). Soit (a, b) ∈ R2 avec a = 6 b. Soit f : [a, b] −→ R
continue sur [a, b] et dérivable sur ]a, b[. Alors il existe c dans ]a, b[ tel que f (b) − f (a) = (b − a)f 0 (c).
4.4 Théorème de la limite de la dérivée

TLD : Si f est continue sur I, dérivable (resp : de classe C 1 ) sur I \ {a} et s’il existe l ∈ R tel que
f 0 (x) −→
x→a
l, alors f est dérivable (resp : de classe C 1 ) sur I, avec f 0 (a) = l.
x∈I\{a}

Remarque. Il faut savoir montrer que, si f est continue sur I, dérivable sur I \ {a} et si
f 0 (x) −→
x→a
+∞, alors f n’est pas dérivable en a.
x∈I\{a}
Remarque. Ce théorème est encore valable pour une fonction à valeurs dans un K-espace vectoriel
de dimension finie.
TLD : Généralisation aux dérivées d’ordre supérieur. Soient k ∈ N ∪ {∞}. Si f est continue sur I, à
valeurs dans un K-espace vectoriel de dimension finie, si f est de classe C k sur I \ {a} et si, pour tout
h ∈ [1, k] ∩ N, il existe lh ∈ R tel que f (h) (x) −→
x→a
lh , alors f est de classe C k sur I.
x∈I\{a}
5 Formules de Taylor
5.1 L’égalité de Taylor-Lagrange (hors programme)
Théorème. Soient n ∈ N et f : [a, b] −→ R. Si f est C n sur [a, b] et n + 1 fois dérivable sur ]a, b[,
Xn
(b − a)k (k) (b − a)n+1 (n+1)
alors il existe c ∈]a, b[ tel que f (b) = f (a) + f (a) + f (c).
k! (n + 1)!
k=1

117
Semaine 24 : Résumé de cours 6 Monotonie et dérivabilité
5.2 L’inégalité des accroissements finis (IAF)
Théorème. Inégalité des accroissements finis (IAF)

Si f : [a, b] −→ K est C 1 sur [a, b], alors |f (b) − f (a)| ≤ λ|b − a|, où λ = sup |f 0 (x)|.
x∈[a,b]
Corollaire. Soient k ∈ R+ et f : I −→ K de classe C 1 .

Alors f est k-lipschitzienne si et seulement si pour tout x ∈ [a, b], |f 0 (x)| ≤ k.
5.3 Formules de Taylor

5.3.1 TRI et inégalité de TL
Théorème. Formule de Taylor avec reste intégral. Soient k ∈ N et f : [a, b] −→ K C k+1 .

k
X Z b
(b − a)h (h) (b − t)k (k+1)
Alors f (b) = f (a) + f (a) + f (t)dt.
h! a k!
h=1
Théorème. Inégalite de Taylor-Lagrange. Soient k ∈ N et f : [a, b] −→ K C k+1 .

k
X (b − a)h (h) |b − a|k+1
Alors |f (b) − f (a) − f (a)| ≤ λ , où λ = sup |f (k+1) (x)|.
h! (k + 1)! x∈[a,b]
h=1
5.3.2 Primitivation d’un développement limité

Z x
Lemme. Soit k ∈ N. Au voisinage de a, o((t − a)k )dt = o((x − a)k+1 ).
a
Théorème. Primitivation d’un développement limité. Soient a ∈ I et f : I −→ K une
application de classe C 1 . Soit k ∈ N. Si, au voisinage de a,
X k Xk
0 h k αh
f (x) = αh (x − a) + o((x − a) ), alors f (x) = f (a) + (x − a)h+1 + o((x − a)k+1 ).
h+1
h=0 h=0
5.3.3 Formule de TY
Formule de Taylor-Young. Si f est k fois dérivable en a, alors au voisinage de a,

k
X (x − a)h (h)
f (x) = f (a) + f (a) + o((x − a)k ).
h!
h=1
Propriété. (Hors programme ?) Soit f : I −→ R une application deux fois dérivable en un point a
◦
de I. On suppose que f 0 (a) = 0 et que f 00 (a) > 0. Alors a est un minimum local strict : il existe un
voisinage V de a tel que pour tout t ∈ V ∩ I \ {a}, f (t) > f (a).
6 Monotonie et dérivabilité
Ici les applications utilisées sont à valeurs dans R.

118
Semaine 24 : Résumé de cours 7 Suites récurrentes d’ordre 1
6.1 Sens de variation
Théorème. f est constante si et seulement si f 0 = 0, elle est croissante si et seulement si f 0 ≥ 0 et

elle est décroissante si et seulement si f 0 ≤ 0.
Propriété. Soit f : I −→ R dérivable et croissante. Alors f est strictement croissante si et seulement
si {x ∈ I/f 0 (x) = 0} est d’intérieur vide. En particulier, si f (x) > 0 pour tout x ∈ I sauf pour un
nombre fini d’éléments de I, alors f est strictement croissante.
6.2 Difféomorphismes
Théorème. Supposons que f est dérivable et strictement monotone. Soit t ∈ I.

0 1
f −1 est dérivable en f (t) si et seulement si f 0 (t) 6= 0, et dans ce cas f −1 f (t) = .
f 0 (t)
0 1
Lorsque [∀t ∈ I, f 0 (t) 6= 0], f −1 = .
f 0 ◦ f −1
Définition. Soit n ∈ N∗ . f : I −→ J est un C n -difféomorphisme si et seulement si f est bijective,
de classe C n et si f −1 est aussi de classe C n .
Propriété. f est un C n -difféomorphisme de I dans f (I) si et seulement si f est de classe C n et si
[∀t ∈ I, f 0 (t) 6= 0].
7 Suites récurrentes d’ordre 1

On souhaite étudier une suite (xn ) vérifiant ∀n ∈ N xn+1 = f (xn ).
En étudiant l’application f , supposons que l’on ait déterminé un intervalle I tel que f : I −→ I est
continue et monotone, avec x0 ∈ I.
Représentation graphique de (xn ) : À connaı̂tre .
Propriété. Les valeurs possibles pour la limite de xn sont les points fixes de f |I et les bornes de I
qui n’appartiennent pas à I.
Propriété. Si f |I est croissante, alors (xn ) est monotone.
Plus précisément, (xn ) est croissante si et seulement si f (x0 ) − x0 ≥ 0,
et (xn ) est décroissante si et seulement si f (x0 ) − x0 ≤ 0.
Propriété. On suppose que f |I est croissante. Soit l ∈ I un point fixe de f .
Si x0 ≤ l, alors ∀n ∈ N xn ≤ l. Si x0 ≥ l, alors ∀n ∈ N xn ≥ l.
Propriété. On suppose que f |I est décroissante. Alors (f ◦ f )|I est croissante, donc les deux suites
(x2n ) et (x2n+1 ) sont monotones et de sens contraires.
Propriété. Soit f : I −→ I une application de classe C 1 et ` ∈ I tel que f (`) = `.
Si |f 0 (`)| < 1, alors il existe ε ∈ R∗+ tel que, pour tout x0 ∈]` − ε, ` + ε[, xn −→ ` : ` est un point
n→+∞
d’équilibre stable.
Si |f 0 (`)| > 1, alors il existe ε ∈ R∗+ tel que, pour tout x0 ∈]` − ε, ` + ε[, il existe N ∈ N tel que
xN ∈]`
/ − ε, ` + ε[ : ` est un point d’équilibre instable.

119
Semaine 24 : Résumé de cours 8 Fonctions convexes
Plan d’étude d’une suite vérifiant xn+1 = f (xn ) :

Représentez le tableau des variations de f .
Lorsque le graphe de f est simple, visualisez le comportement de la suite (xn ).
Trouvez un intervalle I tel que f (I) ⊂ I et x0 ∈ I et f est monotone et continue sur I.
Recherchez les “limites éventuelles”.
Si f est croissante sur I, étudiez les signes de f (x0 ) − x0 et de x0 − l (où l est un point fixe),
puis conclure.
Si f est décroissante sur I, se ramener au cas précédent en considérant f ◦ f , ou bien si l’on
a conjecturé que xn −→ ` et si |f 0 (`)| < 1, majorez |xn+1 − `| = |f (xn ) − f (`)| à l’aide du
n→+∞
TAF.
8 Fonctions convexes
8.1 Sous-espaces affines
Définition. Soient E un K-espace affine de direction E et F une partie de E.

F est un sous-espace affine de E si et seulement si il existe A ∈ E et un sous-espace vectoriel F
−−→
de E tel que F = A + F = {A + x / x ∈ F } . Dans ce cas, F = {M N / M, N ∈ F} : on dit que F
est la direction du sous-espace affine F. De plus, pour tout B ∈ F, F = B + F .
Exemples. Un singleton est un sous-espace affine dirigé par {0}.
Une droite affine de E est de la forme D = A + Kx, où A ∈ E et x ∈ E \ {0}.
Propriété. Soit E et F deux K-espaces vectoriels et f ∈ L(E, F ). Soit y ∈ F . L’ensemble des
solutions de l’équation linéaire (E) : f (x) = y en l’inconnue x ∈ E, est ou bien vide, ou bien un
sous-espace affine de E
Définition. Deux sous-espaces affines sont parallèles si et seulement si ils ont la même direction.
Propriété. Soient E un K-espace affine de direction E et (Ei )i∈I une famille de sous-espaces affines
\ E. Pour i ∈ I, on note Ei la direction de Ei .
de \
Ei est ou bien ∅, ou bien un sous-espace affine de E de direction Ei .
i∈I i∈I
Définition. Soit E un K-espace affine de direction E. Un repère de E est un couple R = (O, b), où
O est un point de E, appelé l’origine du repère et où b est une base de E. Si M ∈ E, les coordonnées
−−→
de M dans le repère R sont les coordonnées du vecteur OM dans la base b.
Définition. Si F est un sous-espace affine de direction F , dim(F) = dim(F ).
8.2 Barycentres et convexité
Notation. On fixe un espace affine E, p points A1 , . . . , Ap de E et p scalaires λ1 , . . . , λp dans K.

Définition. On appelle fonction vectorielle de Leibniz l’application ϕ : E −→ E définie par
Xp
−−−→
ϕ(M ) = λi Ai M .
i=1
p
X p
X
Définition. Lorsque λi = 0, ϕ est constante, et lorsque λi 6= 0, ϕ est bijective. L’unique point
i=1 i=1
p
X −−→
G tel que ϕ(G) = 0 s’appelle alors le barycentre des (Ai , λi )1≤i≤p . On a donc λi GAi = 0.
i=1

120
p
X
−−→ 1 −−−→ ∆ λ1 A1 + · · · λp Ap
On en déduit que, pour tout M ∈ E, M G = p λi M Ai . On note G = .
X λ1 + · · · + λp
i=1
λi
i=1
Définition. Lorsque, pour tout i ∈ Np , λi = 1, G s’appelle l’isobarycentre des points A1 , . . . , Ap .

Propriété. Homogénéı̈té du barycentre :
Si l’on remplace chaque λi par αλi où α ∈ K \ {0}, G n’est pas modifié.
Propriété. Associativité du barycentre : Soit k ∈ Np . Notons G0 le barycentre des (Ai , λi )1≤i≤k
Xk
0
(on suppose que λ = λi 6= 0) et G00 le barycentre des (Ai , λi )k+1≤i≤p (on suppose que
i=1
p
X
λ00 = λi 6= 0). Alors G est le barycentre de ((G0 , λ0 ), (G00 , λ00 )).
i=k+1
Propriété. Soit F un sous-espace affine de E. Si pour tout i ∈ Np , Ai ∈ F, alors G ∈ F.
Exemple. Si A et B sont deux points distincts de E, la droite (AB) est égale à l’ensemble des
barycentres de A et B.
Si A, B et C sont trois points non alignés de E, l’ensemble des barycentres de A, B et C est l’unique
plan affine contenant ces trois points.
Définition. On suppose que K = R.
Une partie C de E est convexe si et seulement si elle vérifie l’une des propriétés équivalentes suivantes :
1. Pour tout (A1 , A2 ) ∈ C 2 , [A1 , A2 ] ⊂ C, où [A1 , A2 ] est le segment d’extrémités A1 et A2 ,
c’est-à-dire l’ensemble des barycentres de ((A1 , t), (A2 , 1 − t)), lorsque t décrit [0, 1].
2. Pour tout (A1 , A2 ) ∈ C 2 , pour tout (λ1 , λ2 ) ∈ R2+ \ {0}, le barycentre de ((A1 , λ1 ), (A2 , λ2 )) est
dans C.
3. Pour tout p ∈ N∗ , pour tout (Ai )1≤i≤p ∈ C p , pour tout (λi )1≤i≤p ∈ Rp+ \ {0}, le barycentre de
(Ai , λi )1≤i≤p est dans C.
Une partie est donc convexe ssi elle est stable par pour des barycentres pondérés positivement.
Exemple. Les sous-espaces affines sont des convexes.
Propriété. Une intersection de parties convexes est convexe.
Définition. Soit B une partie de E. L’enveloppe convexe de B est le plus petit convexe de E contenant
B. C’est l’ensemble des barycentres d’un nombre fini de points de B affectés de pondérations positives.
8.3 Inégalités de convexité
Notation. On fixe une application f : I −→ R, où I est un intervalle de R d’intérieur non vide.
Définition. f est convexe si et seulement si
∀(x, y) ∈ I 2 ∀α ∈ [0, 1] f (αx + (1 − α)y) ≤ αf (x) + (1 − α)f (y).
f est concave si et seulement si −f est convexe.
Interprétation géométrique. f est convexe si et seulement si, pour tout x, y ∈ I avec x < y, le
graphe de f |[x,y] est au dessous de la corde joignant les points (x, f (x)) et (y, f (y)).
Remarque. On peut également définir la stricte convexité et la stricte concavité, en remplaçant
l’inégalité large par une inégalité stricte lorsque α ∈]0, 1[.
Propriété. f est concave et convexe si et seulement si elle est affine, i.e de la forme x 7−→ αx + β.

121
Propriété. Une somme d’un nombre fini d’applications convexes est convexe.
◦
Définition. x0 ∈ I est un point d’inflexion de f si et seulement si il existe ε > 0 tel que f |I∩]x0 −ε,x0 ]
est convexe (resp : concave) et f |I∩[x0 ,x0 +ε[ est concave (resp : convexe).
Propriété. L’épigraphe de f est {(x, y) ∈ R2 /x ∈ I et y ≥ f (x)}.
f est convexe si et seulement si son épigraphe est une partie convexe de R2 .
Propriété. Inégalité de Jensen. f est convexe si et seulement si
n
X X
n Xn
∀n ∈ N∗ ∀(x1 , . . . , xn ) ∈ I n ∀(λ1 , . . . , λn ) ∈ Rn+ , λi = 1 =⇒ f λi xi ≤ λi f (xi ).
i=1 i=1 i=1
n
Y 1
Exercice. Si (x1 , . . . , xn ) ∈ Rn+ , la moyenne géométrique xin est inférieure à la moyenne
i=1
n
1X
arithmétique xi .
n i=1
8.4 Croissance des pentes

f (x) − f (y)
Propriété. Lorsque x, y ∈ I avec x 6= y, on pose px (y) = = py (x) : c’est la pente de la
x−y
corde d’extrémités (x, f (x)) et (y, f (y)). Les propriétés suivantes sont équivalentes :
1. f est convexe sur I.
2. Pour tout a, b, c ∈ I avec a < b < c, pa (b) ≤ pa (c).
3. Pour tout a, b, c ∈ I avec a < b < c, pb (a) ≤ pb (c).
4. Pour tout a, b, c ∈ I avec a < b < c, pc (a) ≤ pc (b).
Ainsi, f est convexe si et seulement si pour tout x0 ∈ I l’application px0 est croissante sur I \ {x0 }.
Propriété. (Hors programme) Si f est convexe sur I, elle est dérivable à droite et à gauche en tout
◦ ◦
point de I. En particulier, elle est continue sur I.
8.5 Fonctions convexes dérivables
Propriété. Si f est dérivable, alors f est convexe si et seulement si f 0 est croissante.

Propriété. Si f est dérivable, f est convexe si et seulement si son graphe est au dessus de ses
tangentes.
Propriété. Si f est deux fois dérivable sur I, f est convexe si et seulement si ∀x ∈ I f 00 (x) ≥ 0.
◦ ◦
Propriété. On suppose que f est deux fois dérivable sur I et que x0 ∈ I.
Si f 00 change de signe au voisinage de x0 , alors x0 est un point d’inflexion de f .

122
Semaine 25 – Polynômes, arithmétique sur un anneau principal
Semaine 25 (du 30 mars au 3 avril) :

Résumé de cours
1 L’algèbre des polynômes

1.1 Le groupe des polynômes
Notation. A désigne un anneau quelconque.

∆
Définition. On note A[X] = A(N) : c’est l’ensemble des suites presque nulles.
X
Si P = (ak ) ∈ A[X], on convient de noter P = ak X k .
k∈N
Remarque. Par définition, deux polynômes sont égaux si et seulement si ils ont les mêmes coefficients.
X X X
Propriété. Si P (X) = ak X k et Q(X) = bk X k , alors P + Q = (ak + bk )X k .
k∈N k∈N k∈N
(A[X], +) est un sous-groupe commutatif de AN dont le neutre est le polynôme identiquement nul.
Définition. Si P (X) = (ak )k∈N ∈ A[X] \ {0}, deg(P ) = max({k ∈ N/ak 6= 0}).
On convient que deg(0) = −∞.
X
Définition. Soit P (X) = ak X k ∈ A[X] un polynôme de degré n ∈ N.
k∈N
—ak est le coefficient de P de degré k.
—a0 est aussi appelé le coefficient constant du polynôme P .
—an est appelé le coefficient de plus haut degré de P , ou bien son coefficient dominant.
—On dit que P est unitaire (ou normalisé) si et seulement si an = 1.
—Le polynôme ak X k est appelé un monôme.
[
Notation. Pour tout n ∈ N, on note An [X] = {P ∈ A[X]/deg(P ) ≤ n}. Ainsi, A[X] = An [X].
n∈N
Propriété. deg(P + Q) ≤ sup(deg(P ), deg(Q)), avec égalité lorsque deg(P ) 6= deg(Q).
1.2 Produits de polynômes

X X X X
n
∆
Définition. an X n × bn X n = ak bn−k X n .
n∈N n∈N n∈N k=0
Propriété. Pour tout P, Q ∈ A[X], P Q est aussi un élément de A[X].

Propriété. (A[X], +, ×) est un anneau, avec 1A[X] = (δk,0 1A )k∈N .
X X X X X
Remarque. an X n × bn X n × cn X n = ai bj ck X n .
n∈N n∈N n∈N n∈N (i,j,k)∈N3
i+j+k=n
1
123
Semaine 25 : Résumé de cours 1 L’algèbre des polynômes
i : A −→ A[X]
Propriété. L’application est un morphisme injectif d’anneaux. On identifie
a 7−→ (aδ0,k )k∈N
A avec une partie de A[X] en convenant que, pour tout a ∈ a, a = i(a). Alors A0 [X] = A.
X Lorsque b ∈ A et P ∈ A[X],
Remarque. X on dispose donc du produit bP .
k
Si P = ak X , on vérifie que bP = bak X k .
k∈N k∈N
Propriété. A[X] est commutatif intègre si et seulement si A est commutatif intègre.

Pour toute la suite de ce chapitre, on supposera que A est commutatif intègre.
Propriété. Pour tout P, Q ∈ A[X], deg(P Q) = deg(P ) + deg(Q).
Propriété. U (A[X]) = U (A).
Définition. L’indéterminée X est le polynôme (1A δk,1 )k∈N . On a X n = (1A δk,n )k∈N .
Définition. (hors programme :) A est commutatif intègre, donc A[X] est commutatif intègre, puis
(A[X])[Y ] est aussi un anneau commutatif intègre. Ce dernier ensemble est l’anneau des polynômes à
(N2 )
deux indéterminées à coefficients
X dans A. On le note plutôt A[X, Y ]. Il est isomorphe à A , en conve-
h k
nant que (ah,k )(h,k)∈N =
2 ah,k X Y . Dans ces conditions, X = (δh,1 δk,0 )(h,k)∈N et Y = (δh,0 δk,1 ) .
2
0≤h≤m
0≤k≤n
On peut vérifier que, pour tout p, q ∈ N2 , X p Y q = (δh,p δk,q )(h,k)∈N2 .

En généralisant, on peut définir A[X1 , . . . , Xp ], l’anneau des polynômes à p indéterminées.
1.3 Applications polynomiales

X
Définition. Soit P = ak X k ∈ A[X] un polynôme. L’application polynomiale associée à P est
k∈N
P̃ : A −→ A
X
l’application x 7−→ ak xk .
k∈N
ϕ : A[X] −→ F(A, A)
Propriété. L’application est un morphisme d’anneaux.
P 7−→ P̃
Notation. Im(ϕ) est un sous-anneau de F(A, A). C’est l’anneau des applications polynomiales.
Théorème. Lorsque A est un corps, ϕ est injectif si et seulement si A est de cardinal infini.
X
Algorithme d’Hörner : Soit P = ak X k ∈ A[X] et x ∈ A. On peut disposer le calcul de P̃ (x) de
k∈N
la manière suivante : P̃ (x) = (· · · ((an x + an−1 )x + an−2 x) + · · · + a1 )x + a0 . Cet algorithme permet
de calculer P̃ (x) avec n multiplications et n additions.
1.4 Composition de polynômes

n
X n
X
Définition. Si P = ak X k ∈ A[X] et Q ∈ A[X], P ◦ Q = ak Qk = P (Q).
k=0 k=0
Propriété. Pour tout P, Q, R ∈ A[X],

— (P + Q) ◦ R = P ◦ R + Q ◦ R,
— (P Q) ◦ R = (P ◦ R) × (Q ◦ R),
— (P ◦ Q) ◦ R = P ◦ (Q ◦ R).

124
Semaine 25 : Résumé de cours 1 L’algèbre des polynômes
Propriété. Soit P, Q ∈ A[X] Si deg(Q) ≥ 1, alors deg(P ◦ Q) = deg(P ) × deg(Q).

^
Propriété. Pour tout P, Q ∈ A[X], P ◦ Q = P̃ ◦ Q̃.
1.5 Dérivation formelle

X ∆
X X
Définition. Si P = ak X k ∈ A[X], on pose P 0 = kak X k−1 = (k + 1)ak+1 X k .
k∈N k∈N∗ k∈N
X
Remarque. On peut écrire P 0 = kak X k+1 , si l’on convient que 0X −1 = 0.
k∈N
X
Définition. Si P = ak X k , P (0) = P et
k∈N
X k! X (k + n)!
pour tout n ∈ N, P (n)
= ak X k−n = ak+n X k .
(k − n)! k!
k≥n k∈N
Propriété. Pour tout P ∈ R[X] et n ∈ N, Pg

(n) = P̃ (n) .
Propriété. Pour tout P ∈ A[X], deg(P 0 ) ≤ deg(P ) − 1.

Propriété. Pour tout P ∈ A[X] \ {0}, P (deg(P )+1) = 0.
Propriété. Soit P, Q ∈ A[X], a ∈ A et n ∈ N.
— (P + Q)0 = P 0 + Q0 , et plus généralement, (P + Q)(n) = P (n) + Q(n) .
— (aP )0 = aP 0 , et plus généralement, (aP )(n) = aP (n) .
— (P Q)0 = P 0 Q + P Q0
n
X Y
Propriété. Pour tout n ∈ N et P1 , . . . , Pn ∈ A[X], (P1 × · · · × Pn )0 = Pi0 Pj .
i=1 j6=i
n
X n
Formule de Leibniz : (P Q) (n)
= P (k) Q(n−k) .
k
k=0
Propriété. Pour tout P, Q ∈ A[X], (P ◦ Q)0 = Q0 × (P 0 ◦ Q).
1.6 La structure d’algèbre de K[X].

Pour la suite de ce chapitre, K désigne un corps.
Propriété. K[X] est une K-algèbre.
Propriété. Pour tout n ∈ N,
Kn [X] est un sous-espace vectoriel de K[X] de dimension finie égale à n + 1.
1.7 Division euclidienne entre polynômes
Théorème. Soit A, B ∈ K[X] avec B 6= 0. Alors il existe un unique couple (P, Q) ∈ K[X]2 tel que
A = BQ + R avec deg(R) < deg(B) : Q est le quotient de la division euclidienne du dividende A par
le diviseur B et que R en est le reste.
Définition. Soit A ∈ K[X] et a ∈ K. a est une racine de A si et seulement si Ã(a) = 0.
Propriété. Soit A ∈ K[X] et a ∈ K. Le reste de la division euclidienne de A par X − a est égal au
polynôme constant Ã(a).

125
Semaine 25 : Résumé de cours 2 Arithmétique

Corollaire. a est racine de A si et seulement si il existe Q ∈ K[X] tel que A = (X − a)Q.
Propriété. Supposons que L est un sous-corps de K. Alors, pour tout (A, B) ∈ L[X] × (L[X] \ {0}),
les quotient et reste de la division euclidienne sont les mêmes que l’on regarde A et B comme des
polynômes de L[X] ou de K[X].
2 Arithmétique
2.1 Divisibilité
Définition. Soient A un anneau commutatif et (a, b) ∈ A2 . a|b si et seulement si ∃m ∈ A b = ma.

On dit alors que a est un diviseur de b et que b est un multiple de a.
Remarque. 0|a ⇐⇒ a = 0 et, pour tout a ∈ A, a|0.
Propriété. Soit P, Q ∈ K[X] tels que P | Q et Q 6= 0. Alors deg(Q) ≥ deg(P ).
Propriété. Soit P, Q ∈ K[X] avec Q 6= 0. P | Q si et seulement si le reste de la divison euclidienne
de P par Q est nul.
Propriété. Soit L un sous-corps d’un corps K. Soit P, Q ∈ L[X].
Alors P | Q dans L[X] si et seulement si P | Q dans K[X].
Propriété. Soient A un anneau commutatif et a, b, c, d ∈ A.
— Si b | a et b | c, alors b | (a + c).
— Si b | a et d | c, alors bd | ac.
— si b | a, pour tout p ∈ N, bp | ap .
Propriété. Soient A un anneau commutatif et b, a1 , . . . , ap , c1 , . . . , cp ∈ A.
p
X
Si pour tout i ∈ {1, . . . , p}, b | ai , alors b | ci ai .
i=1
Propriété. Soient A un anneau commutatif et (a, b) ∈ A2 . a|b ⇐⇒ bA ⊆ aA.

Propriété. Soit A un anneau commutatif. La relation de divisibilité est réflexive et transitive.
Définition. Soient A un anneau commutatif et (a, b) ∈ A2 .
a et b sont associés si et seulement si a|b et b|a.
La relation “être associé à” est une relation d’équivalence, on la notera “∼”.
Propriété. Dans un anneau commutatif, si a ∼ b et c ∼ d, alors ac ∼ bd.
Hypothèse : Jusqu’à la fin de ce paragraphe, on suppose que A est intègre et commutatif.
Propriété. Soit a, b ∈ A. a et b sont associés si et seulement s’il existe λ ∈ U (A) tel que a = λb.
Exemple. Dans Z, n et m sont associés si et seulement si |n| = |m|.
Dans K[X], P et Q sont associés si et seulement s’il existe λ ∈ K∗ tel que Q = λP .
Propriété. La relation de divisibilité est une relation d’ordre sur N.
La relation de divisibilité est une relation d’ordre sur l’ensemble des polynômes unitaires de K[X].
Définition. Soit p ∈ A. p est irréductible dans A si et seulement si p ∈
/ U (A) et si, pour tout a, b ∈ A,
p = ab =⇒ (a ∈ U (A)) ∨ (b ∈ U (A)).
Ainsi p est irréductible dans A si et seulement si p n’est pas inversible et a pour seuls diviseurs les
éléments associés à 1 ou à p.

126
Semaine 26 – Arithmétique, PGCD, PPCM, racines d’un polynôme
Semaine 26 (du 20 avril au 24) :

Résumé de cours
1 Arithmétique
1.1 Divisibilité (suite)
Remarque. Si p est irréductible, il est non nul.

Propriété. Les éléments irréductibles de Z sont les nombres premiers et leurs opposés.
Exemple. Dans K[X] (où K est un corps), un polynôme P est irréductible si et seulement si il est de
degré supérieur ou égal à 1 et si, pour tout A, B ∈ K[X], P = AB =⇒ (deg(A) = 0) ∨ (deg(B) = 0).
Remarque. Dans K[X] :
— tout polynôme de degré 1 est irréductible ;
— tout polynôme de degré ≥ 2 possédant une racine dans K est réductible ;
— tout polynôme de degré 2 ou 3 sans racine dans K est irréductible.
Définition. Soit a, b ∈ A. On dit que a et b sont premiers entre eux (ou étrangers) si et seulement
si les seuls diviseurs communs de a et b sont les éléments inversibles.
Définition. Soit n ∈ N avec n ≥ 2 et a1 , . . . , an ∈ A.
— a1 , . . . , an sont deux à deux premiers entre eux si et seulement si, pour tout i, j ∈ {1, . . . , n}
avec i 6= j, ai et aj sont premiers entre eux.
— a1 , . . . , an sont globalement premiers entre eux si et seulement si les seuls diviseurs communs
de a1 , . . . , an sont les éléments inversibles de A.
Propriété. Soit p ∈ A un élément irréductible et a ∈ A : p|a, ou bien p et a sont premiers entre eux.
1.2 PGCD
Théorème. Si K est un corps, alors K[X] est un anneau principal.

Remarque. Soit A un anneau commutatif intègre. On dit qu’il est euclidien (hors programme) si et
seulement si il existe v : A \ {0} −→ N tel que, pour tout (a, b) ∈ A × (A \ {0}), il existe q, r ∈ A
vérifiant a = bq + r et (r = 0) ∨ (v(r) < v(b)).
On peut montrer que si A est euclidien, alors A est principal. La réciproque est fausse (admis).
Notation. Jusqu’à la fin de ce chapitre “arithmétique”, on fixe un anneau A que l’on suppose
principal.
Remarque. On peut montrer que Z[i] = {n + mi/(n, m) ∈ Z2 } est un anneau principal. C’est
l’anneau des entiers de Gauss.
Définition. Soit (a, b) ∈ A2 . d est un PGCD de a et b si et seulement si aA + bA = dA.
1
127
Caractérisation du PGCD par divisibilité : d est un PGCD de (a, b) ∈ A2 si et seulement si d

est un diviseur commun de a et b et si, pour tout diviseur commun d0 de a et b, d0 divise d.
Propriété. a et b sont premiers entre eux si et seulement si 1 est un PGCD de a et b.
Définition. Plus généralement, si k ∈ N∗ et si a1 , . . . , ak ∈ A, on dit que d est un PGCD de a1 , . . . , ak
si et seulement si dA = a1 A + · · · + ak A, i.e si et seulement si d est un commun diviseur de a1 , . . . , ak
tel que si d0 est un autre commun diviseur de a1 , . . . , ak , alors d0 divise d.
Soit B une partie quelconque de A. d est un PGCD de B si et seulement si dA = Id(B), i.e si et
seulement si d est un diviseur commun des éléments de B tel que si d0 est un autre diviseur commun
des éléments de B, alors d0 divise d.
Propriété. Lorsque A = Z (resp : A = K[X]), en imposant au PGCD d’être positif (resp : unitaire)
il est unique. On le note alors a ∧ b.
Propriété. Soit k ∈ N, a1 , . . . , ak ∈ A et h ∈ {1, . . . , k}.
Alors, en convenant de noter a ∼ b lorsque a et b sont associés,
— Commutativité du PGCD :
pour tout σ ∈ Sk , P GCD(a1 , . . . , ak ) ∼ P GCD(aσ(1) , . . . , aσ(k) ).
— Associativité du PGCD :
P GCD(a1 , . . . , ak ) ∼ P GCD(P GCD(a1 , . . . , ah ), P GCD(ah+1 , . . . , ak )).
— Distributivité de la multiplication par rapport au PGCD : pour tout α ∈ A,
P GCD(αa1 , . . . , αak ) ∼ αP GCD(a1 , . . . , ak ).
1.3 PPCM
Définition. Soit (a, b) ∈ A2 . m est un PPCM de a et b si et seulement si aA ∩ bA = mA.

Caractérisation du PPCM par divisibilité : m est un PPCM de (a, b) ∈ A2 si et seulement si m
est un multiple commun de a et b et si, pour tout multiple commun m0 de a et b, m0 est un multiple
de m.
Définition. Plus généralement, si k ∈ N∗ et si a1 , . . . , ak ∈ A, m est un PPCM de a1 , . . . , ak si et
seulement si mA = a1 A ∩ · · · ∩ ak A, i.e si et seulement si m est un commun multiple de a1 , . . . , ak tel
que si m0 est un autre commun multiple de a1 , . . . , ak , alors m0 est un multiple de m. \
Soit B est une partie quelconque de A. m est un PPCM de B si et seulement si mA = bA, i.e
b∈B
si et seulement si m est un multiple commun des éléments de B tel que si m0 est un autre multiple
commun des éléments de B, alors m0 est un multiple commun de m.
\
Remarque. Dans ce contexte, on convient que si B = ∅, bA = A, donc 1A est un PPCM de ∅.
b∈B
Propriété. Soit k ∈ N, a1 , . . . , ak ∈ A et h ∈ {1, . . . , k}.

Alors, en convenant de noter a ∼ b lorsque a et b sont associés,
— Commutativité du PPCM :
pour tout σ ∈ Sk , P P CM (a1 , . . . , ak ) ∼ P P CM (aσ(1) , . . . , aσ(k) ).
— Associativité du PPCM :
P P CM (a1 , . . . , ak ) ∼ P P CM (P P CM (a1 , . . . , ah ), P P CM (ah+1 , . . . , ak )).
— Distributivité de la multiplication par rapport au PPCM :
pour tout α ∈ A, P P CM (αa1 , . . . , αak ) ∼ αP P CM (a1 , . . . , ak ).

128
1.4 Les théorèmes de l’arithmétique

Théorème de Bézout. Soit (a, b) ∈ A2 .
a et b sont premiers entre eux si et seulement si : ∃(u, v) ∈ A2 ua + vb = 1.
Théorème de Bézout (généralisation). Soit n ∈ N avec n ≥ 2 et a1 , . . . , an ∈ A.
a1 , . . . , an sont globalement premiers entre eux si et seulement si :
∃u1 , . . . , un ∈ A , u1 a1 + · · · + un an = 1.
Propriété. Soit (a, b) ∈ A2 . Notons d un PGCD de a et b. Alors
il existe (a0 , b0 ) ∈ A2 , avec a0 et b0 premiers entre eux, tel que a = a0 d et b = b0 d.
Théorème de Gauss. Soit (a, b, c) ∈ A3 . Si a|bc avec a et b premiers entre eux, alors a|c.
Corollaire. Soit p, a, b ∈ A. Si p | ab avec p irréductible, alors p | a ou p | b.
Propriété. Soit (a, b, c) ∈ A3 , n ∈ N∗ et a1 , . . . , an ∈ A.
On désigne par a ∧ b un PGCD de a et b et par a ∨ b un PPCM de a et b.
Si a ∧ b = a ∧ c = 1, alors a ∧ bc = 1.
Si a ∧ b = 1, ∀(k, l) ∈ (N∗ )2 ak ∧ bl = 1.
Si a|b, c|b et a ∧ c = 1 alors ac|b.
Si pour tout i ∈ {1, . . . , n}, ai |b et si i 6= j =⇒ ai ∧ aj = 1, alors a1 × · · · × an | b.
ab ∼ (a ∧ b)(a ∨ b). En particulier, a ∧ b = 1 =⇒ a ∨ b ∼ ab.
1.5 K[X] est un anneau factoriel
Notation. On suppose ici que A ∈ {Z, K[X]} (K étant un corps quelconque).

Si A = Z, on pose P = P, et si A = K[X], P est l’ensemble des polynômes irréductibles et unitaires.
Théorème. Soit a ∈ A avec a 6= 0. Il existe un unique couple Y (u, (νp )p∈P ), où u ∈ U (A) et où
(νp )p∈P est une famille presque nulle d’entiers, tel que a = u pνp : c’est la décomposition de a
p∈P
en facteurs irréductibles. νp s’appelle la valuation p-adique de a.
Propriété.
Y ∈ (A \ {0})2 , dont les décompositions en facteurs irréductibles sont
Soit (a, b)Y
a=u pνp et b = v pµp . Alors a | b ⇐⇒ [∀p ∈ P, νp ≤ µp ].
p∈P p∈P
Y Y
min(νp ,µp )
De plus, a ∧ b = p et a ∨ b = pmax(νp ,µp ) . En particulier, a et b sont premiers entre
p∈P p∈P
eux si et seulement si aucun élément de P n’intervient à la fois dans la décomposition en facteurs
irréductibles de a et dans celle de b.
Lemme d’Euclide. Soient (a, b) ∈ A2 avec b 6= 0, et q, r tels que a = bq + r. Alors a ∧ b = b ∧ r.
Algorithme d’Euclide. Soit (a0 , a1 ) ∈ A2 .
• Pour i ≥ 1, tant que ai 6= 0, on note ai+1 le reste de la division euclidienne de ai−1 par ai . On définit
ainsi une suite finie (ai )0≤i≤N d’éléments de A telle que aN = 0 et, pour tout i ∈ {0, . . . , N − 1},
a0 ∧ a1 = ai ∧ ai+1 . En particulier, pour i = N − 1, on obtient a0 ∧ a1 = aN −1 .
• Supposons maintenant que a0 ∧ a1 = aN −1 = 1. D’après le théorème de Bézout, il existe (s, t) ∈ A2
tel que sa0 + ta1 = 1. La suite de l’algorithme d’Euclide permet le calcul d’un tel couple (s, t) : Notons
qi le quotient de la division euclidienne de ai−1 par ai . Ainsi, ai+1 = ai−1 − qi ai.
En particulier, avec i = N − 2, on obtient 1 = aN −3 − qN −2 aN −2 .
Supposons que, pour un entier i ∈ {1, . . . , N −3}, on dispose d’entiers si et ti tels que 1 = si ai +ti ai+1 .
Alors 1 = si ai + ti (ai−1 − ai qi ) = (si − ti qi )ai + ti ai−1 , ce qui donne des entiers si−1 et ti−1 tels que
1 = si−1 ai−1 + ti−1 ai .

129
Semaine 26 : Résumé de cours 2 Racines d’un polynôme
Par récurrence descendante, on peut donc calculer des entier s0 et t0 tels que 1 = s0 a0 + t0 a1 .
Corollaire. Supposons que L est un sous-corps de K et soit (A, B) ∈ L[X] × (L[X] \ {0}).
Les PGCD et PPCM de A et B sont les mêmes, que l’on regarde A et B comme des polynômes de
L[X] ou de K[X].
Exercice. Soit a, b, c ∈ A avec a et b non nuls.
Résoudre l’équation de Bézout (B) : au + bv = c en l’inconnue (u, v) ∈ A2 .
2 Racines d’un polynôme

2.1 Identification entre polynômes formels
et applications polynomiales
Notation. On fixe un corps K quelconque.

Propriété. Soit P ∈ K[X] et a1 , . . . , ak k éléments de K deux à deux distincts :
a1 , . . . , ak sont toutes racines de P si et seulement si P est un multiple de (X − a1 ) × · · · × (X − ak ).
Corollaire. Un polynôme non nul admet au plus deg(P ) racines.
Principe de rigidité des polynômes : si P ∈ K[X] possède une infinité de racines, alors P = 0.
Propriété. Soit n ∈ N et P, Q ∈ Kn [X].
Si {x ∈ K / P̃ (x) = Q̃(x)} contient au moins n + 1 scalaires, alors P = Q.
Théorème. On peut identifier l’ensemble K[X] des polynômes formels avec l’ensemble PK des ap-
plications polynomiales de K dans K si et seulement si K est de cardinal infini.
Y
Remarque. Si K est fini de cardinal q, alors (X − a) = X q − X.
a∈K

130
Semaine 27 – Racines d’un polynôme, fractions rationnelles
Semaine 27 (du 27 avril au 1er mai) :

Résumé de cours
1 Racines d’un polynôme

1.1 Polynôme d’interpolation de Lagrange
Notation. Dans tout ce paragraphe, on fixe un corps quelconque K, n ∈ N et une famille

a0 , . . . , an ∈ K de n + 1 scalaires deux à deux distincts.
Y X − aj
Pour tout i ∈ {0, . . . , n}, posons Li = .
0≤j≤n
ai − aj
j6=i
Les Li sont appelés les polynômes de Lagrange associés à (a0 , . . . , an ).

fi (ak ) = δi,k .
Propriété. Pour tout i, k ∈ {0, . . . , n}, L
n
X
Propriété. Pour tout P ∈ Kn [X], P = P̃ (ai )Li .
i=0
Théorème. Soit (b0 , b1 , . . . , bn ) ∈ Kn+1 une famille quelconque de scalaires. Il existe un unique
f0 (ai ) = bi . P0 est appelé
polynôme P0 de degré inférieur ou égal à n tel que, pour tout i ∈ {0, . . . , n}, P
le polynôme d’interpolation de Lagrange (associé  aux deux familles
 (a0 , a1 , . . . , an ) et (b0 , b1 , . . . , bn )).
Xn Y X − aj 

On dispose de la formule suivante : P0 = bi . Enfin, l’ensemble des polynômes P
i=0 0≤j≤n
ai − aj
j6=i
n
Y
vérifiant, pour tout i ∈ {0, . . . , n}, P̃ (ai ) = bi , est égal à P0 + (X − ai ) K[X].
i=0
1.2 Polynôme dérivé
Notation. Dans ce paragraphe, on suppose que K est un corps de caractéristique nulle.

Propriété. Pour tout P ∈ K[X] tel que deg(P ) ≥ 1, deg(P 0 ) = deg(P ) − 1.
Corollaire. Soit P ∈ K[X]. P est un polynôme constant si et seulement si P 0 = 0.
Corollaire. Si P ∈ K[X], deg(P ) ≥ n =⇒ deg(P (n) ) = deg(P ) − n et P (n) = 0 ⇐⇒ deg(P ) < n.
X (X − a)n
Formule de Taylor : Soit P ∈ K[X] et a ∈ K. Alors P = P (n) (a).
n!.1K
n∈N
Corollaire. Soit P ∈ K[X], a ∈ K et k ∈ N. Alors
k−1
X (X − a)h (h)
le reste de la division euclidienne de P par (X − a)k est égal à P (a).
h!.1K
h=0
1
131
1.3 Racines multiples

Définition. Soit P ∈ K[X], a ∈ K et m ∈ N. a est une racine de P de multiplicité m si et seulement
si il existe Q ∈ K[X] tel que P (X) = (X − a)m Q(X) avec Q̃(a) 6= 0.
Remarque. a n’est pas racine de P si et seulement si a est racine de P de multiplicité nulle.
Définition. Soit P ∈ K[X], a ∈ K et m ∈ N.
a est racine de P de multiplicité au moins m si et seulement si (X − a)m | P .
Ainsi, a est racine de P de multiplicité m si et seulement si elle est racine de P de multiplicité au
moins m, mais n’est pas racine de P de multiplicité au moins m + 1.
Définition. On dit que a ∈ K est une racine simple (resp : double, triple) de
P ∈ K[X] si et seulement si a est une racine de P de multiplicité 1 (resp : 2, 3).
Définition. Soit P ∈ K[X] \ {0}. Posons {a1 , . . . , ak } = {x ∈ K/P̃ (x) = 0}. Pour tout h ∈ Nk ,
notons mh la multiplicité de ah pour le polynôme P . On dit alors que le nombre de racines de P ,
k
X
comptées avec multiplicité, est égal à mh .
h=1
Et k est le nombre de racines de P comptées sans multiplicité.
Propriété. Soit P ∈ K[X], a1 , . . . , ak ∈ K et m1 , . . . , mh ∈ N. Pour tout h ∈ {1, . . . , k}, ah est racine
Yk
de P de multiplicité au moins mh si et seulement si P est un multiple de (X − ah )mh .
h=1
Propriété. Soit P ∈ K[X] un polynôme non nul. Le nombre de racines de P , comptées avec multi-
plicité est inférieur ou égal au degré de P .
Hypothèse : Pour la suite de ce paragraphe, on suppose que car(K) = 0.
Théorème. Soit P ∈ K[X], a ∈ K et m ∈ N. a est racine de P de multiplicité au moins m si et
seulement si ∀i ∈ {0, . . . , m − 1}, P (i) (a) = 0.
Corollaire. Soit P ∈ K[X], a ∈ K et m ∈ N. a est racine de P de multiplicité m si et seulement si
∀i ∈ {0, . . . , m − 1}, P (i) (a) = 0 et P (m) (a) 6= 0.
Corollaire. Si a ∈ K est racine de P ∈ K[X] de multiplicité m ∈ N∗ , alors a est racine de P 0 de
multiplicité m − 1.
1.4 Polynômes scindés

Définition. P ∈ K[X] \ {0} est scindé dans K[X] si et seulement si sa décomposition en polynômes
irréductibles dans K[X] ne fait intervenir que des polynômes de degré 1.
Propriété. Soit P ∈ K[X] \ {0}. P est scindé dans K[X] si et seulement si le nombre de racines de
P dans K, comptées avec multiplicité, est égal au degré de P .
Définition. Soit P ∈ K[X] \ {0}. On dit que P est simplement scindé dans K[X] si et seulement si
P est scindé dans K et si toutes ses racines sont simples.
Relations de Viète entre coefficients et racines : Soit P ∈ K[X] un polynôme scindé dans K[X]
de degré n, avec n ≥ 1. Alors P peut s’écrire sous les deux formes suivantes :

132
— P (X) = an X n + an−1 X n−1 + · · · + a1 X + a0 , avec a0 , . . . , an ∈ K et an 6= 0 ;

— P (X) = an (X − β1 ) × · · · × (X − βn ), où β1 , . . . , βn est la liste des racines de P , comptées avec
multiplicité. Alors, pour tout p ∈ {1, . . . , n},
an−p X
σp = (−1)p , où σp = βi1 × · · · × βip .
an
1≤i1 <···<ip ≤n
Les σp s’appellent les fonctions symétriques élémentaires des racines. En particulier,

X n
an−1
— Pour p = 1, βi = − . Il s’agit de la somme des racines de P , comptées avec multiplicités.
i=1
an
Y n
a0
— Pour p = n, βi = (−1)n . Il s’agit du produit des racines de P , comptées avec multiplicités.
i=1
a n
La suite de ce paragraphe est hors programme.

Définition. Soit n ∈ N∗ et A ∈ K[X1 , . . . , Xn ] un polynôme à n indéterminées. On dit que A est
symétrique si et seulement si, pour tout σ ∈ Sn , A(Xσ(1) , . . . , Xσ(n) ) = A(X1 , . . . , Xn ).
Exemples. Les polynômes de Newton : X1p + · · · + Xnp , où n, p ∈ N∗ sont symétriques.
Xélémentaires : pour tout p ∈ {1, . . . , n},
Les polynômes symétriques
Σp (X1 , . . . , Xn ) = Xi1 × · · · × Xip est bien un polynôme symétrique.
1≤i1 <i2 <···<ip ≤n
Propriété. (Admise) Soit n ∈ N∗ . On suppose que A est un polynôme symétrique de L[X1 , . . . , Xn ]

(où L est un corps). Alors il existe B ∈ L[X1 , . . . , Xn ] tel que A = B(Σ1 , . . . , Σn ).
Corollaire. Avec ces notations, si K est un sur-corps de L et si P ∈ L[X] est scindé dans K[X], alors
en notant β1 , . . . , βn les racines de P comptées avec multiplicité, A(β1 , . . . , βn ) ∈ L.
Exemple. Soit P ∈ Q[X] un polynôme dont les racines complexes comptées avec multiplicité sont
notées β1 , . . . , βn . Alors pour tout p ∈ N∗ , β1p + · · · + βnp ∈ Q.
1.5 Polynômes de R[X] et de C[X]

X X
Définition. Si P = ak X k ∈ C[X], on note P = ak X k .
k∈N k∈N
C[X] −→ C[X]
Propriété. L’application est un isomorphisme d’anneaux.
P 7−→ P
Propriété. Soit P ∈ C[X], α ∈ C et m ∈ N. α est racine de P de multiplicité m si et seulement si α
est racine de P de multiplicité m.
Corollaire. Si P ∈ R[X] et si α est racine de P (resp : racine de multiplicité m), alors α est aussi
une racine de P (resp : racine de multiplicité m).
Théorème de d’Alembert : Tout polynôme à coefficients complexes de degré supérieur ou égal à 1
possède au moins une racine complexe.
Corollaire. Les polynômes irréductibles de C[X] sont exactement les polynômes de degré 1.
Corollaire. Dans C[X], deux polynômes sont premiers entre eux si et seulement si ils n’ont aucune
racine complexe commune.
Corollaire. Dans C[X], tout polynôme non nul est scindé.
Dans C[X], le nombre de racines, comptées avec multiplicité, de tout polynôme non nul est égal à son
degré.

133
Semaine 27 : Résumé de cours 2 Le corps des fractions rationnelles
Propriété. Soit P, Q ∈ C[X] \ {0}. Alors P | Q si et seulement si toute racine de P est racine de Q
avec une multiplicité pour Q supérieure ou égale à celle pour P .
Propriété. Les polynômes irréductibles de R[X] sont exactement les polynômes de degré 1 et les
polynômes de degré 2 à discriminant strictement négatif.
Propriété. Soit P ∈ R[X] \ {0}. P est scindé dans R[X] si et seulement si toutes ses racines sont
réelles.
2 Le corps des fractions rationnelles

2.1 Corps des fractions d’un anneau intègre commutatif
Théorème. Soit A un anneau intègre et commutatif. Il existe un corps K, unique à un isomorphisme

a
près, tel que A est un sous-anneau de K, et tel que tout élément de K peut s’écrire sous la forme
b
a
où (a, b) ∈ A2 avec b 6= 0. a est appelé le numérateur et b le dénominateur de l’écriture .
b
K est appelé le corps des fractions de A. C’est le plus petit corps contenant A.
2.2 Forme irréductible

Définition. On note K(X) le corps des fractions de l’anneau intègre K[X]. Les éléments de K(X)
sont appelés des fractions rationnelles en l’indéterminée X.
Définition. Soit F ∈ K(X).
P P
est un représentant irréductible de F si et seulement si F = et si P ∧ Q = 1.
Q Q
P P
est un représentant unitaire de F si et seulement si F = et si S est unitaire.
Q Q
Propriété. Soit F ∈ K(X) \ {0}.
P
F possède un unique représentant irréductible et unitaire. Si on le note , alors
Q
λP
les représentants irréductibles de F sont les où λ ∈ K∗ ,
λQ
LP
et les représentants quelconques de F sont les où L ∈ K[X] \ {0}.
LQ
2.3 Degré
P
∆
Définition. deg = deg(P ) − deg(Q) ∈ Z ∪ {−∞}.
Q
Propriété. Soit F, G ∈ K(X).
— deg(F + G) ≤ max(deg(F ), deg(G)), avec égalité lorsque deg(F ) 6= deg(G).
— deg(F G) = deg(F ) + deg(G)).
— deg(F G−1 ) = deg(F ) − deg(G)).

134
Semaine 27 : Résumé de cours 2 Le corps des fractions rationnelles
2.4 Racines et pôles

A
Définition. Soit F ∈ K(X) une fraction rationnelle admettant pour représentant irréductible .
B
— Les racines de F sont les racines de A. Pour tout a ∈ K et m ∈ N, a est une racine de F de
multiplicité m si et seulement si a est racine de A de multiplicité m.
— Les pôles de F sont les racines de B. Pour tout a ∈ K et m ∈ N, a est un pôle de F de
multiplicité m si et seulement si a est racine de B de multiplicité m.
P P
Définition. Si F = ∈ C[X], on note F = .
Q Q
C(X) −→ C(X)
Propriété. L’application est un isomorphisme de corps.
P 7−→ P
Propriété. Soit F ∈ C(X), α ∈ C et m ∈ N. α est racine (resp : pôle) de F de multiplicité m si et
seulement si α est racine (resp : pôle) de F de multiplicité m.
Corollaire. Si F ∈ R(X) et si α est racine de F (resp : racine de multiplicité m), alors α est aussi
une racine de F (resp : racine de multiplicité m).
2.4.1 Fonctions rationnelles
A
Définition. Soit F ∈ K(X) une fraction rationnelle admettant pour représentant irréductible .
B
Notons P l’ensemble de ses pôles.
F̃ : K \ P −→ K
La fonction rationnelle associée à F est l’application Ã(x) .
x 7−→
B̃(x)
Propriété. Si deux fractions rationnelles coı̈ncident pour une infinité de valeurs de K, elles sont
égales.
2.5 Composition
X ∆
X
Définition. Si P = an X n ∈ K[X] et F ∈ K(X), P ◦ F = P (F ) = an F n .
n∈N n∈N
Propriété. Pour tout F ∈ K(X),

l’application P 7−→ P (F ) est un morphisme d’anneaux de K[X] dans K(X).
Lemme : Soit P ∈ K[X] et F ∈ K(X). Si P 6= 0 et si F ∈
/ K, alors P ◦ F 6= 0.
Définition. Soit F ∈ K(X) et G ∈ K(X) \ K.
P P (G)
Si F = , alors on pose F ◦ G = F (G) = .
Q Q(G)
Propriété. Pour tout G ∈ K(X) \ K, F 7−→ F (G) est un endomorphisme du corps K(X).

135
Semaine 28 – DES, calculs d’intégrales, matrices
Semaine 28 (du 4 au 8 mai) :

Résumé de cours
1 Les fractions rationnelles (fin)

1.1 Dérivation
0 0
P ∆ P Q−Q P
Définition. Soit F = ∈ K(X). On pose F 0 = ∈ K(X).
Q Q2
Définition. Par récurrence, on peut définir la dérivée n-ième formelle d’une fraction rationnelle.
Propriété. Pour tout F ∈ R(X) et n ∈ N, Fg

(n) = F̃ (n) .
Propriété. Pour tout F ∈ K[X], deg(F 0 ) ≤ deg(F ) − 1,

avec égalité lorsque car(K) = 0 et deg(F ) ∈
/ {0, −∞}.
Propriété. Soit F, G ∈ K(X), a ∈ K et n ∈ N.
— (F + G)0 = F 0 + G0 , et plus généralement, (F + G)(n) = F (n) + G(n) .
— (aF )0 = aF 0 , et plus généralement, (aF )(n) = aF (n) .
— (F G)0 = F 0 G + F G0 .
F 0 F 0 G − G0 F
— Si G 6= 0, = .
G G2
n
X Y
Propriété. Pour tout n ∈ N et F1 , . . . , Fn ∈ K(X), (F1 × · · · × Fn ) =
0
Fi0 Fj .
i=1 j6=i
n
X n
Formule de Leibniz : (F G)(n) = F (k) G(n−k) .
k
k=0
Propriété. Pour tout F, G ∈ K(X), avec G ∈

/ K, (F ◦ G)0 = G0 × (F 0 ◦ G).
1.2 Décomposition en éléments simples.

1.2.1 Partie entière
P
Définition. Un élément simple de K(X) est une fraction rationnelle de la forme , où m ∈ N∗ et
Qm
P, Q ∈ K[X], avec Q irréductible et deg(P ) < deg(Q).
A
Propriété de la partie entière : Soit F = ∈ K(X). Il existe un unique couple (E, B) ∈ K[X]2
S
B A B
tel que F = E + avec deg(B) < deg(S). De plus, si est irréductible alors l’est également.
S S S
E est la partie entière de F .
1
136
Semaine 28 : Résumé de cours 1 Les fractions rationnelles (fin)
1.2.2 Divisions successives

B
Méthode des divisions successives pour décomposer en éléments simples une fraction de la forme
Sm
où S est un polynôme irréductible de K[X] :
A connaı̂tre.
1.2.3 Le théorème
Théorème de décomposition en éléments simples :

A
Soit F ∈ K(X). On peut toujours écrire F sous la forme F = , où S1 , S2 , . . . , Sn
· · · Sn mn
S1 m1 S2 m2
sont des polynômes irréductibles dans K[X], m1 , . . . , mn ∈ N et A ∈ K[X]. Alors
∗
il existe un unique E ∈ K[X] et une unique famille (Ti,j ) 1≤i≤n de polynômes de K[X] tels que
1≤j≤mi
n X
Ti,j
X mi
F =E+ avec pour tout i ∈ [[1; n]] et j ∈ [[1; mi ]], deg(Ti,j ) < deg(Si ).
i=1 j=1 i
Sj
Cette égalité s’appelle la décomposition en éléments simples de F sur K.
Le polynôme E est la partie entière de F .
mi
X Ti,j
Pour i ∈ [[1; n]], la somme s’appelle la partie polaire de F relative au polynôme Si .
Sj
j=1 i
1.2.4 Dérivée logarithmique
Propriété. Soit P un polynôme scindé dans K[X]. Alors, en notant α1 , . . . , αn les racines de P et
Xn
P0 mi
m1 , . . . , mn leurs multiplicités respectives, = .
P i=1
X − αi
1.2.5 Dans C(X) et R(X)
Théorème de décomposition en éléments simples dans C(X) :

A
Soit F ∈ C(X). On peut toujours écrire F sous la forme F = , où
(X − α1 )m1 · · · (X − αn )mn
α1 , . . . , αn sont des poles de F , m1 , . . . , mn ∈ N sont leurs multiplicités
∗
et A ∈ K[X]. Alors il existe un unique E ∈ K[X] et une unique famille (λi,j ) 1≤i≤n de complexes tels
1≤j≤mi
Xn X mi
λi,j
que F = E + .
i=1 j=1
(X − αi )j
mi
X λi,j
Pour i ∈ [[1; n]], la somme est la partie polaire de F relative au pôle αi .
j=1
(X − ai )j
Théorème de décomposition en éléments simples dans R(X) :

Soit F ∈ R(X). On peut toujours écrire F sous la forme
A
F = n Yp ,
Y
mi 2 ki
(X − ai ) × (X + bi X + ci )
i=1 i=1
où a1 , . . . , an sont des poles réels de F , m1 , . . . , mn ∈ N∗ sont leurs multiplicités, où pour tout
i ∈ {1, . . . , p}, bi , ci ∈ R avec b2i − 4ci < 0 et où A ∈ K[X].

137
Semaine 28 : Résumé de cours 1 Les fractions rationnelles (fin)
Alors il existe un unique E ∈ K[X] et trois uniques familles (λi,j ) 1≤i≤n , (fi,j ) 1≤i≤p et (gi,j ) 1≤i≤p
1≤j≤mi 1≤j≤ki 1≤j≤ki
n X X p X
fi,j X + gi,j
X mi ki
λi,j
de réels tels que F = E + + .
i=1 j=1
(X − αi )j i=1 j=1
(X 2 + bi X + ci )j
Méthode : En pratique, pour décomposer une fraction rationnelle F en éléments simples dans R(X)
ou dans C(X),
A
1. on commence par l’écrire sous forme irréductible unitaire, F = .
B
C
2. En effectuant la division euclidienne de A par B, on écrit F = E + , où E est la partie entière
B
de F . Lorsque deg(F ) < 0, il est évident que E = 0, donc on peut supprimer cette étape.
3. On scinde B en produit de polynômes irréductibles unitaires.
C
4. On écrit la DES de à l’aide de coefficients indéterminés.
B
5. On calcule ces coefficients indéterminés.
1.2.6 Quelques techniques de DES
Remarque. La technique des divisions euclidiennes successives est adaptée à la DES de fractions de
P
la forme m , où Q est irréductible.
Q
Propriété. Soit F ∈ K(X) et soit α ∈ K un pôle de F de multiplicité m ∈ N∗ . Alors le coefficient λ
1
de l’élément simple dans la DES de F vérifie λ = [(X^
− α)m F ](α).
(X − α)m
Propriété. Soit F ∈ K(X) une fraction rationnelle admettant un pôle simple α.
A 1
Si est un représentant irréductible de F , alors le coefficient λ de l’élément simple dans la
S X −α
Ã(α)
DES de F vérifie λ = .
S̃ 0 (α)
Généralisation : (hors programme) On suppose que car(K) = 0.
A
Soit F ∈ K(X) dont a ∈ K est l’un des pôles,de multiplicité m. Si est un représentant irréductible
S
1 m!Ã(α)
de F , alors le coefficient λ de l’élément simple dans la DES de F vérifie λ = .
(X − α)m ]
S (m) (α)
Utilisation d’un développement limité : Soit F ∈ C(X) et a un pôle de F de multiplicité m.

Xm
λi
On peut écrire la DES de F sous la forme F (X) = i
+ G(X). La fonction rationnelle
i=1
(X − a)
m
X
m
associée à G est continue en a, donc au voisinage de a, (t − a) F (t) = λi (t − a)m−i + O((t − a)m ).
i=1
On peut donc calculer les λi en effectuant un développement limité de (t − a)m F (t) au voisinage de
a puis en invoquant l’unicité du développement limité.
1.3 Application au calcul intégral

1.3.1 Primitives d’une fraction rationnelle
Z
Si F ∈ R(X), pour calculer F (t)dt, on décompose F en éléments simples dans R(X).

138
Semaine 28 : Résumé de cours 2 Les matrices
On est ainsi ramené au problème du calcul des primitives des éléments simples de R(X)
Z :
aX + b
Lorsque F (X) = 2 + cX + d)α
, avec ∆ = c2 − 4d < 0, on décompose le calcul de F (t)dt en celui
Z 0 (X Z
u (t) 2 dt
de α
dt, où u(t) = t + ct + d, et celui de .
u(t) u(t)α
c 2 c2
Pour ce dernier, on écrit X 2 +Z cX + d = (X + 2 ) + d − 4 = (X − p) + q
2 2
dt
et on se ramène au calcul de , que l’on réalise en posant t = tan u.
(1 + t2 )α
1.3.2 Fonctions rationnelles de sin et cos : hors programme

R
Pour calculer R(sin t, cos t) dt, où R ∈ R(X, Y ) :
R
Cas particulier. sinp t cosq t dt, avec p et q pairs. C’est le seul cas où on linéarise.
t
Cas général. On pose u = tan pour se ramener à une primitive de fraction rationnelle.
2
Les règles de Bioche. Notons f : t 7−→ R(sin t, cos t).
Si f (−t)d(−t) = f (t)dt, on posera x = cos t (On a cos(−t) = cos t) ,
Si f (π − t)d(π − t) = f (t)dt, on posera x = sin t (On a sin(π − t) = sin t) ,
Si f (π + t)d(π + t) = f (t)dt, on posera x = tan t (On a tan(π + t) = tan t).
Si deux des trois relations précédentes sont vérifiées, alors la troisième l’est aussi. On pose alors
x = sin2 t ou x = cos(2t).
1.3.3 Fonctions rationnelles en sh et ch : hors programme

R
Pour
R calculer R(sht, cht) dt, où R ∈ R(X, Y ), on regarde quel procédé serait utilisé pour le calcul
de R(sin t, cos t) dt et on le transpose en trigonométrie hyperbolique.
Dans le cas général, on peut poser x = et .
2 Les matrices
2.1 Vocabulaire
Définition. Soit (n, p) ∈ N∗ 2 . On appelle matrice à n lignes et à p colonnes (à coefficients dans K)
toute famille de scalaires indexée par Nn × Np .
Si M = (mi,j )(i,j)∈Nn ×Np = (mi,j ) 1≤i≤n , on représente M sous la forme suivante :
1≤j≤p
 
m1,1 ··· m1,p
 .. ..  ,
M = . . 
mn,1 ··· mn,p
où le (i, j)ème coefficient est situé à l’intersection de la ième ligne et de la j ème colonne.
Notation. L’ensemble des matrices à coefficients dans K, à n lignes et p colonnes est noté MK (n, p)
ou Mn,p (K). MK (n, n) est souvent noté MK (n) ou Mn (K).
Définitions :
— Une matrice ligne est une matrice ne possédant qu’une ligne.
— Une matrice colonne est une matrice ne possédant qu’une colonne.
— Une matrice carrée est une matrice possédant autant de lignes que de colonnes.
— M = (mi,j ) ∈ MK (n, p) est une matrice
triangulaire supérieure si et seulement si
∀(i, j) ∈ Nn × Np i > j =⇒ mi,j = 0 .

139
— M est une matrice triangulaire inférieure

si et seulement si
∀(i, j) ∈ Nn × Np i < j =⇒ mi,j = 0 .
— M = (mi,j ) ∈ MK (n, p) est une matrice diagonale si et seulement si
∀(i, j) ∈ Nn × Np i 6= j =⇒ mi,j = 0 . On note alors M = diag(m1,1 , . . . , mn,n ).
— Une matrice carrée et diagonale est dite scalaire lorsque tous ses coefficients diagonaux sont
égaux. En particulier, lorsque tous ses coefficients diagonaux sont égaux à 1, on obtient la
matrice identité, notée In .
Remarque. On identifiera Kn avec MK (n, 1) (ensemble des matrices colonnes).
2.2 Opérations sur les matrices

Définition. On sait dèjà que MK (n, p) = KNn ×Np est un K-espace vectoriel . On dispose ainsi des
lois d’addition et de multiplication par un scalaire.
Convention : Lorsque A est un matrice, on notera Ai,j son coefficient de position (i, j).
Définition du produit matriciel : Soit (n, p, q) ∈ (N∗ )3 . Soient A ∈ MK (n, p) et B ∈ MK (p, q).
On appelle produit des matrices A et B la matrice C ∈ MK (n, q) définie par
p
X
[AB]i,j = Ai,k Bk,j .
k=1
Formule pour le produit de trois matrices : Soit (n, m, l, p) ∈ (N∗ )4 . X

Soient A ∈ MK (n, m), B ∈ MK (m, l) et C ∈ MK (l, p) : [(AB)C]i,h = [A(BC)]i,h = Ai,j Bj,k Ck,h .
1≤j≤m
1≤k≤l

Propriété. La multiplication matricielle est associative.
Propriété. La mutiplication matricielle est distributive par rapport à l’addition.
Propriété. Soit A ∈ Mn,p , B ∈ Mp,q et a ∈ K. Alors a(AB) = (aA)B = A(aB).
Propriété. Pour tout M ∈ MK (n, p), In M = M Ip = M .
Propriété. Soit n, p ∈ N∗ et M ∈ MK (n, p). Pour tout X ∈ Kp , M X ∈ Kn .
 
x1 p
. X
Si X =  .. , alors ∀i ∈ {1, . . . , n}, [M X]i = Mi,j xj
xp j=1
et M X = x1 M1 + · · · xp Mp , en notant M1 , . . . , Mp les colonnes de M .
Propriété. Si M ∈ MK (n, p), la j-ème colonne de M est M cj , où cj = (δi,j )1≤i≤n ∈ Kp .
M̃ : Kp −→ Kn
Définition. Si M ∈ MK (n, p), est une application linéaire que l’on appelle
X 7−→ M X
l’application linéaire canoniquement associée à la matrice M .
MK (n, p) −→ L(Kp , Kn )
Propriété. est un isomorphisme d’espaces vectoriels.
M 7−→ M̃
Remarque. On identifie souvent M et M̃ , auquel cas, pour tout X ∈ Kp , M X = M (X).
Cela permet d’interpréter une matrice M comme une application linéaire.
∆
Définition. Soit M ∈ MK (n, p) : Ker(M ) = {X ∈ Kp / M X = 0}
∆
et Im(M ) = {M X / X ∈ Kp } = Vect{colonnes de M }.

Corollaire. Soit (M, M 0 ) ∈ MK (n, p) : ∀X ∈ Kp M X = M 0 X ⇐⇒ M = M 0 .

140
2.3 L’algèbre des matrices carrées de taille n ∈ N∗
Propriété. (Mn (K), +, ., ×) est une K-algèbre, ni commutative ni intègre dès que n ≥ 2.
Définition. A ∈ Mn (K) est nilpotente si et seulement si il existe p ∈ N∗ tel que Ap = 0.
MK (n) −→ L(Kn )
Propriété. est un isomorphisme d’algèbres.
M 7−→ M̃
Corollaire. Soit A ∈ MK (n). A est inversible dans MK (n) si et seulement si Ã est inversible dans
]
L(Kn ) et dans ce cas, M −1 = M̃ −1 .
Corollaire. Soit A ∈ MK (n). A est inversible dans MK (n) si et seulement si, pour tout X ∈ Kn , il
existe un unique Y ∈ Kn tel que AX = Y .

a b ∆
Formule : Dans M2 (K), M = est inversible si et seulement si det(M ) = ad − cb 6= 0, et
c d
−1
a b 1 d −b
dans ce cas = .
c d det(M ) −c a
∆ a b
Formule de Cramer : Soit a, b, c, d, e, f ∈ K4 . Lorsque det = ad − cb = 6= 0,
c d
e b a e

ax + by = e f d c f
⇐⇒ x = ∧ y= .
cx + dy = f det det
Notation. GLn (K) = groupe des inversibles de Mn (K). On l’appelle le groupe linéaire de degré n.
Exemple. Un automorphisme intérieur de Mn (K) est un automorphisme sur Mn (K) de la forme
M 7−→ AM A−1 où A ∈ GLn (K).
Définition. Soit M ∈ Mn (K) et λ ∈ K. On dit que λ est une valeur propre de M si et seulement si
il existe X ∈ Cn avec X 6= 0 tel que M X = λX. Dans ce cas, on dit que X est un vecteur propre de
M pour la valeur propre λ.
Propriété. Les matrices diagonales de Mn (K) forment une sous-algèbre commutative de Mn (K).
Propriété. Pour tout i ∈ Nn , on pose ci = (δi,j )1≤j≤n ∈ Kn et Fi = Vect(ck )1≤k≤i .
Si M ∈ Mn (K), M est triangulaire supérieure ssi, pour tout j ∈ {1, . . . , n}, Fj est stable par M̃ .
Propriété. On suppose que n ≥ 2.
— L’ensemble des matrices triangulaires supérieures (respectivement : inférieures) de Mn (K) est
une sous-algèbre non commutative de Mn (K).
— Le produit d’une matrice triangulaire supérieure dont la diagonale est (a1 , . . . , an ) par une
matrice triangulaire supérieure dont la diagonale est (b1 , . . . , bn ) est une matrice triangulaire
supérieure dont la diagonale est (a1 b1 , . . . , an bn ).

141
Semaine 29 – Matrices, blocs, familles de vecteurs, dimension d’un espace vectoriel, rang d’une famille,
matrice d’une application linéaire, systèmes linéaires et pivot de Gauss

Résumé de cours
1 Les matrices (suite)

1.1 Transposée d’une matrice
Définition. Soit A ∈ MK (n, p). On appelle transposée de la matrice A et on note t A la matrice

de MK (p, n) définie par [t A]i,j = Aj,i .
Propriété. Pour tout A ∈ MK (n, p), t (t A) = A.

MK (n, p) −→ MK (p, n)
Propriété. L’application t est un isomorphisme d’espaces vectoriels.
M 7−→ M
Propriété. Soit (A, B) ∈ MK (n, p) × MK (p, q). Alors, t (AB) = t B t A.
Corollaire. Si A ∈ GLn (K), t A ∈ GLn (K) et (t A)−1 = t (A−1 ).
Définition. M est une matrice symétrique si et seulement si t M = M .
M est une matrice antisymétrique si et seulement si t M = −M .
Remarque. Lorsque car(K) 6= 2, si M ∈ Mn (K) est antisymétrique, sa diagonale est nulle.
Notation. Sn (K) désigne l’ensemble des matrices symétriques d’ordre n.
An (K) désigne l’ensemble des matrices antisymétriques d’ordre n.
Propriété. Sn (K) et An (K) sont des sous-espaces vectoriels de Mn (K), mais ce ne sont pas des
sous-algèbres. Cependant, elles sont stables par passage à l’inverse.
1.2 Différentes interprétations du produit matriciel

Au niveau des colonnes de la matrice de droite : Soit A ∈ MK (n, p). Si B1 , . . . , Bq sont des
vecteurs colonnes de Kp , A × B1 B2 · · · Bq = AB1 AB2 · · · ABq .
Au niveau des colonnes de la matrice de gauche :
— Si M ∈ MK (n, p) et X ∈ Kp , M X est une combinaison linéaire des colonnes de M .
 
x1
.
Plus précisément, si l’on note M1 , . . . , Mp les colonnes de M et X =  .. ,
xp
M X = x 1 M1 + · · · + x p Mp .
— Soient A ∈ MK (n, p) et B ∈ MK (p, q). Les colonnes de AB sont des combinaisons linéaires des
colonnes de A : en notant A1 , . . . , Ap les colonnes de A et B = (bi,j ), la j ème colonne de AB
est égale à b1,j A1 + · · · + bp,j Ap .
1
142
Semaine 29 : Résumé de cours 1 Les matrices (suite)
Au niveau des lignes de la matrice de gauche : Soit A ∈ MK (n, p) et B ∈ MK (p, q). Notons
   
1A 1 AB
 .   . 
1 A, . . . , n A les lignes de A. Alors AB =  ..  × B =  .. .
nA n AB
Au niveau des lignes de la matrice de droite :

— Si M ∈ MK (n, p) et X ∈ M1,n , XM est une combinaison linéaire des lignes de M .
Plus précisément, si l’on note 1 M, . . . , n M les lignes de M et X = (x1 · · · xn ),
XM = x1 × 1 M + · · · + xn × n M .
— Soient A ∈ MK (n, p) et B ∈ MK (p, q). Les lignes de AB sont des combinaisons linéaires des
lignes de B : en notant 1 B, . . . , p B les lignes de B et A = (ai,j ), la ième ligne de AB est égale
à ai,1 × 1 B + · · · + ai,p × p B.
1.3 Trace d’une matrice

n
X
Définition. La trace de la matrice M ∈ Mn (K) est T r(M ) = mi,i .
i=1
Propriété. La trace est une forme linéaire de Mn (K).

Propriété. Soit A ∈ Mn,p (K) et B ∈ Mp,n (K). Alors, T r(AB) = T r(BA).
ATTENTION : Si (A, B, C) ∈ Mn (K)3 , en général T r(ABC) 6= T r(ACB).
Définition. Soit A, B ∈ Mn (K). On dit que A et B sont semblables si et seulement si il existe
P ∈ GLn (K) telle que B = P AP −1 .
La relation de similitude (“être semblable à”) est une relation d’équivalence sur Mn (K).
Définition. Une matrice de Mn (K) est diagonalisable (resp : trigonalisable) si et seulement si elle
est semblable à une matrice diagonale (resp : triangulaire supérieure).
Propriété. Deux matrices semblables ont la même trace, mais la réciproque est fausse.
1.4 Matrices décomposées en blocs

1.4.1 Matrices extraites
Définition. Soit n, p ∈ N et soit I et J deux parties de N telles que |I| = n et |J| = p. Notons
0 ≤ i1 ≤ i2 ≤ · · · ≤ in les éléments de I et 0 ≤ j1 ≤ i2 ≤ · · · ≤ jp les éléments de J.
Alors on convient d’identifier toute famille (Mi,j )(i,j)∈I×J de scalaires indexée par I × J avec la
matrice (Mih ,jk ) 1≤h≤n ∈ MK (n, p).
1≤k≤p
Remarque. Lorsque I ou J est vide, I ×J = ∅ et KI×J possède un unique élément, que l’on appellera
la matrice vide.
Définition. Soit n, p ∈ N∗ et M ∈ MK (n, p). Une matrice extraite de M est une matrice de la forme
(Mi,j )(i,j)∈I×J , où I ⊂ Nn et J ⊂ Np .

143
Semaine 29 : Résumé de cours 2 Familles de vecteurs
1.4.2 Matrices blocs

a
X b
X
∗ a ∗ b
Définition. Soient (n1 , . . . , na ) ∈ (N ) et (p1 , . . . , pb ) ∈ (N ) . On pose n = ni et p = pj .
i=1 j=1
Pour tout (i, j) ∈ Na ×Nb , considérons une matrice Mi,j ∈ MK (ni , pj ). Alors la famille de ces matrices
M = (Mi,j ) 1≤i≤a peut être identifiée à une matrice possédant n lignes et p colonnes. On dit que M
1≤j≤b
est une matrice décomposée en blocs, de dimensions (n1 , . . . , na ) et (p1 , . . . , pb ).
Définition. Avec ces notations, M est une matrice triangulaire supérieure par blocs si et
seulement si, pour tout (i, j) ∈ Na × Nb tel que i > j, Mi,j = 0.
De même on définit la notion de matrice triangulaire inférieure par blocs.
La matrice M = (Mi,j ) 1≤i≤a est une matrice diagonale par blocs si et seulement si, pour tout
1≤j≤b
(i, j) ∈ Na × Nb tel que i 6= j, Mi,j = 0.
1.4.3 Opérations sur les matrices blocs

Combinaison linéaire de matrices décomposées en blocs : Soient M = (Mi,j ) 1≤i≤a et
1≤j≤b
N = (Ni,j ) 1≤i≤a deux matrices décomposées en blocs selon les mêmes partitions (Ii )1≤i≤a et (Jj )1≤j≤b
1≤j≤b
respectivement de Nn et de Np . Alors, ∀u ∈ K, uM + N = (uMi,j + Ni,j ) 1≤i≤a .
1≤j≤b
Produit matriciel de deux matrices décomposées en blocs : soit n, p, q ∈ N∗ .
Soit M = (Mi,j ) 1≤i≤a une matrice décomposée en blocs selon les partitions (Ii )1≤i≤a et (Jj )1≤j≤b
1≤j≤b
respectivement de Nn et de Np . Soit N = (Nj,k ) 1≤j≤b une matrice décomposée en blocs selon la
1≤k≤c
même partition (Jj )1≤j≤b de Np et une partition (Kk )1≤k≤c de Nq .
Alors M N peut être vue comme une matrice décomposée en blocs selon les partitions (Ii )1≤i≤a de
X b
Nn et (Kk )1≤k≤c de Nq et M N = Mi,j Nj,k 1≤i≤a .
j=1 1≤k≤c
En résumé, le produit de deux matrices par blocs se comporte comme le produit matriciel usuel.
Application : Produit de matrices triangulaires (resp : diagonales) par blocs, puissances de telles
matrices.
2 Familles de vecteurs
Notation. On fixe un K-espace vectoriel E et un ensemble quelconque I (éventuellement infini).
2.1 Familles libres et génératrices
Définition. Soit x = (xi )i∈I une

Xfamille de vecteurs de E.
x est libre ssi ∀(αi )i∈I ∈ K ,
(I)
αi xi = 0 =⇒ (∀i ∈ I αi = 0) .
i∈I
X
x est liée ssi ∃(αi )i∈I ∈ K (I)
\ {0}, αi xi = 0.
i∈I
X
x est génératrice dans E ssi ∀x ∈ E, ∃(αi )i∈I ∈ K(I) , αi xi = x.
i∈I
x est une base de E si et seulement si elle est libre et génératrice dans E.
Définition. x, y ∈ E sont colinéaires si et seulement si la famille (x, y) est liée.

144
Propriété. Soit e = (ei )i∈I

Xune famille de vecteurs de E. e est une base de E si et seulement si
(I)
∀x ∈ E, ∃ !(αi )i∈I ∈ K , αi ei = x. Dans ce cas, pour x ∈ E, on appelle coordonnées de x dans
i∈I
X
la base (ei )i∈I l’unique famille presque nulle de scalaire (αi )i∈I telle que x = αi ei .
i∈I
2.2 Dimension d’un espace vectoriel
Définition. E est de dimension finie si et seulement si il possède une famille génératrice finie.
Lemme : Soit n ∈ N et e1 , . . . , en ∈ E.
Toute famille (x1 , . . . , xn+1 ) de n + 1 vecteurs de Vect(e1 , . . . , en ) est liée.
Corollaire. Si (e1 , . . . , en ) est une famille génératrice de E, alors toute famille libre de E est de
cardinal inférieur ou égal à n.
Théorème de la base incomplète : Soient E un K-espace vectoriel de dimension finie et (ei )i∈I
une famille génératrice de E. Soit J ⊂ I tel que (ei )i∈J est une famille libre.
Alors il existe un ensemble L avec J ⊂ L ⊂ I tel que (ei )i∈L est une base de E.
Propriété. Soit (ei )i∈I une famille libre de vecteurs de E. Soit ej ∈ E, où j ∈
/ I.
La famille (ei )i∈I∪{j} est libre si et seulement si ej ∈
/ Vect(ei )i∈I .
Propriété.
Soient E un K-espace vectoriel et g = (ei )i∈I une famille génératrice de E.
On dit qu’une sous-famille libre (ei )i∈J de g est maximale dans g si et seulement si pour tout i0 ∈ I \J,
la famille (ei )i∈J∪{i0 } est liée.
Si (ei )i∈J est libre maximale dans g, alors c’est une base de E.
Corollaire. Une famille libre de vecteurs de E est maximale si et seulement si en lui ajoutant un
vecteur elle devient liée.
Toute famille libre maximale de vecteurs de E est une base de E.
Corollaire. Soit E un K-espace vectoriel de dimension finie.
Toute famille libre de E peut être complétée en une base de E.
Définition. Soit E un K-espace vectoriel de dimension finie.
E admet au moins une base. Toutes les bases de E sont finies et ont même cardinal. Ce cardinal est
appelé la dimension de E et est noté dim(E) ou dimK (E).
Propriété. Soit E un K-espace vectoriel de dimension finie égale à n et soit e une famille de E. e
est une base de E si et seulement si e est libre et de cardinal n, ou encore si et seulement si e est
génératrice et de cardinal n.
Propriété. Soit E un K-espace vectoriel de dimension finie égale à n. Toute famille libre de E a au
plus n éléments et toute famille génératrice de E a au moins n éléments.
Théorème. Soit E un K-espace vectoriel de dimension quelconque.
Soit F et G deux sous-espaces vectoriels de E avec G de dimension finie et F ⊂ G.
Alors F est de dimension finie avec dim(F ) ≤ dim(G).
De plus [F = G ⇐⇒ dim(F ) = dim(G)].

145
2.3 Base canonique
Propriété. Soit n ∈ N∗ . Kn est un K-espace vectoriel de dimension n dont une base est
c = (c1 , . . . , cn ), où pour tout i ∈ {1, . . . , n}, ci = (δi,j )1≤j≤n . c est la base canonique de Kn .
Les coordonnées de x ∈ Kn dans la base c sont les composantes de x.
Propriété. Soit I un ensemble quelconque. Pour tout i ∈ I, on note ci = (δi,j )j∈I . Ainsi c = (ci )i∈I
est une famille de K(I) . C’est une base de K(I) , appelée la base canonique de K(I) . De plus, pour tout
x = (αi )i∈I ∈ K(I) : les coordonnées de x sont ses composantes.
Corollaire. La base canonique de K[X] est la famille (X n )n∈N .
Soit n ∈ N. (1, X, . . . , X n ) est la base canonique de Kn [X] : dim(Kn [X]) = n + 1.
Corollaire. La base canonique de Mn,p (K) est la famille des matrices élémentaires (Ei,j ) 1≤i≤n
1≤j≤m
définie par : Pour tout i ∈ {1, . . . , n} et j ∈ {1, . . . , p}, Ei,j = (δa,i δb,j ) 1≤a≤n .
X 1≤b≤p
Pour tout M ∈ Mn,p (K), M = Mi,j Ei,j : dim(Mn,p (K)) = np.

1≤i≤n
1≤j≤p
Exercice. Ei,j Eh,k = δj,h Ei,k .

2.4 Exemples

u1 v1
Propriété. Dans K , deux vecteurs u =
2
et v = forment une base de K2 si et seulement
u2 v2
∆
si u1 v2 − u2 v1 = detc (u, v) 6= 0.
Exercice. Soit (Pn )n∈N une suite de polynômes de K[X]. On suppose que cette suite de
polynômes est étagée c’est-à-dire que, ∀n ∈ N deg(Pn ) = n.
Montrer que pour tout N ∈ N, (Pn )0≤n≤N est une base de KN [X].
En déduire que (Pn )n∈N est une base de K[X].
Exercice. Soit f un endomorphisme de E.
Montrer que f est une homothétie si et seulement si pour tout u ∈ E, (u, f (u)) est lié.
Propriété. Toute sur-famille d’une famille génératrice est génératrice.
Toute sous-famille d’une famille libre est libre.
Propriété. Une famille de vecteurs est libre si et seulement si toute sous-famille finie de cette famille
est libre.
Théorème. dim(E1 × · · · × En ) = dim(E1 ) + · · · + dim(En ).
2.5 Application linéaire associée à une famille de vecteurs

Ψx : K(I) −→ E
X
I
Propriété. Soit x = (xi ) ∈ E . Notons (αi )i∈I 7−→ αi xi .
i∈I
Ψx est une application linéaire.
• x est une famille libre si et seulement si Ψx est injective.
• x est une famille génératrice si et seulement si Ψx est surjective.

146
• x est une base si et seulement si Ψx est un isomorphisme.

Ψx est appelée l’application linéaire associée à la famille de vecteurs x.
Propriété. Soit x = (xi )i∈I une famille de vecteurs de E. x est libre si et seulement X si, pour tout
y ∈ Vect(x), il existe une unique famille presque nulle de scalaires (αi )i∈I telle que y = αi xi .
i∈I
Propriété. Si e = (ei )i∈I est une base de E, alors E est isomorphe à K(I) .
2.6 Image d’une famille par une application linéaire
Notation. Si u ∈ L(E, F ) et x = (xi )i∈I ∈ E I , on notera (u(xi ))i∈I = u(x).

Propriété. Avec cette notation, Ψu(x) = u ◦ Ψx .
Théorème.
• L’image d’une famille libre par une injection linéaire est une famille libre.
• L’image d’une famille génératrice par une surjection linéaire est génératrice.
• L’image d’une base par un isomorphisme est une base.
Théorème. Deux espaces de dimensions finies ont la même dimension si et seulement si ils sont
isomorphes.
Propriété. Soit E et F deux espaces de dimensions finies et soit f ∈ L(E, F ).
Si f est injective, alors dim(E) ≤ dim(F ).
Si f est surjective, alors dim(E) ≥ dim(F ).
Propriété. Soient E et F deux K-espaces vectoriels de dimensions quelconques. Soient u ∈ L(E, F )
et G un sous-espace vectoriel de E de dimension finie. Alors
u(G) est de dimension finie et dim(u(G)) ≤ dim(G), avec égalité lorsque u est injective.
Propriété. L’image d’une famille génératrice par une application linéaire u engendre Im(u).
Propriété. L’image d’une famille liée par une application linéaire est liée.
Théorème.
On suppose que E est un K-espace vectoriel admettant une base e = (ei )i∈I .
Soit f = (fi )i∈I une famille quelconque de vecteurs d’un second K-espace vectoriel F .
Il existe une unique application linéaire u ∈ L(E, F ) telle que,
 ∀i ∈ I u(ei ) = fi .
 libre  injective
De plus, (fi )i∈I est génératrice si et seulement si u est surjective .
 
une base bijective
Corollaire.
Soit E et F deux espaces vectoriels de dimensions finies et soit u ∈ L(E, F ).
Si dim(E) = dim(F ), alors u injective ⇐⇒ u surjective ⇐⇒ u bijective.
Exercice. Soit u ∈ L(K[X]) tel que pour tout P ∈ K[X], deg(u(P )) = deg(P ). Montrer que
u est un automorphisme sur K[X].
Propriété. Soit E un K-espace vectoriel de dimension finie et u ∈ L(E). Alors
u inversible dans L(E) ⇐⇒ u inversible à droite dans L(E)
.
⇐⇒ u inversible à gauche dans L(E)

147
Corollaire. Soit A ∈ Mn (K). Alors

A inversible dans Mn (K) ⇐⇒ A inversible à droite dans Mn (K)
.
⇐⇒ A inversible à gauche dans Mn (K)
Exercice. Soit A une K-algèbre et B une sous-algèbre de A de dimension finie. Soit b ∈ B.
Montrer que si b est inversible dans A, alors b−1 ∈ B.
Propriété. Soit A ∈ Mn (K) une matrice triangulaire supérieure, dont la diagonale est notée
i ∈ {1, . .
(a1 , . . . , an ). Alors A est inversible si et seulement si pour tout . , n}, ai 6= 0, et dans ce
1 1
cas, A−1 est encore triangulaire supérieure et sa diagonale est ,..., .
a1 an
Propriété. Si E admet une base (ei )i∈I , alors L(E, F ) est isomorphe à F I .
Théorème. dim(L(E, F )) = dim(E) × dim(F ).
2.7 Rang d’une famille de vecteurs
Définition. Soient E un espace vectoriel et x une famille de vecteurs de E.

∆
Le rang de x est rg(x) = dim(Vect(x)) ∈ N ∪ {+∞}.
Propriété. Pour une famille x de vecteurs d’un K-espace vectoriel E,

— rg(x) ≤ #(x). Lorsque rg(x) < +∞, il y a égalité si et seulement si x est libre.
— rg(x) ≤ dim(E). Lorsque rg(x) < +∞, il y a égalité si et seulement si x est génératrice.
Propriété.
Soit u ∈ L(E, F ) et x une famille de vecteurs de E.
Alors rg(u(x) ≤ rg(x), avec égalité lorsque rg(x) < +∞ et u injective.
Propriété. Soit (xi )i∈I une famille de vecteurs d’un K-espace vectoriel E. Alors rg(xi )i∈I n’est pas
modifié si l’on échange l’ordre de deux vecteurs, si l’on multiplie l’un des vecteurs xi par un scalaire
non nul, ou bien si l’on ajoute à l’un des xi une combinaison linéaire des autres xj .
2.8 Matrice d’une application linéaire
Définition. Soient E et F deux K-espaces vectoriels de dimensions respectives p > 0 et n > 0. Soient
e = (e1 , . . . , ep ) une base de E et f = (f1 , . . . , fn ) une base de F . Si u ∈ L(E, F ), on appelle matrice
de l’application linéaire u dans les bases e et f la matrice notée mat(u, e, f ) = (αi,j ) ∈ MK (n, p)
définie par l’une des conditions équivalentes suivantes :
— pour tout i ∈ Nn et j ∈ Np , αi,j est la ième coordonnée du vecteur u(ej ) dans la base f .
— pour tout i ∈ Nn et j ∈ Np , [mat(u, e, f )]i,j = fi∗ (u(ej )).
Xn
— mat(u, e, f ) est l’unique matrice (αi,j ) ∈ MK (n, p) vérifiant : ∀j ∈ Np u(ej ) = αi,j fi .
i=1
— mat(u, e, f ) est l’unique matrice dont la j-ème colonne, égale à Ψ−1
f (u(ej )), contient les coor-
données de u(ej ) dans la base f .
Interprétation tabulaire : Avec les notations précédentes,
u(e1 ) ··· u(ep )

m1,1 ··· m1,p f1
mat(u, e, f ) =  . ..  .. .
 .. .  .
mn,1 ··· mn,p fn

148
Semaine 29 : Résumé de cours 3 Les systèmes linéaires
Notation. Lorsque E = F et que l’on choisit e = f , on note mat(u, e) au lieu de mat(u, e, e).
Propriété. Pour tout n, p ∈ N∗ , pour tout M ∈ MK (n, p), mat(M̃ , c, c0 ) = M , en notant c et c0 les
bases canoniques de Kp et de Kn .
Remarque. Nous disposons maintenant de deux manières équivalentes de définir l’application linéaire
M̃ : Kp −→ Kn
canoniquement associée à une matrice M ∈ MK (n, p) : c’est l’application ,
X 7−→ M̃ (X) = M X
ou bien c’est l’unique application M̃ ∈ L(Kp , Kn ) telle que mat(M̃ , c, c0 ) = M .
Propriété. Soient E et F deux K-espaces vectoriels de dimensions respectives p > 0 et n > 0. Soient
e = (e1 , . . . , ep ) une base de E et f = (f1 , . . . , fn ) une base de F .
L(E, F ) −→ MK (n, p)
L’application est un isomorphisme d’espaces vectoriels.
u 7−→ mat(u, e, f )
Théorème. Soient E, F et G trois K-espaces vectoriels de dimensions finies, munis de bases e, f et
g. Soient u ∈ L(E, F ) et v ∈ L(F, G). Alors, mat(v ◦ u, e, g) = mat(v, f, g) × mat(u, e, f ).
Propriété. Soient E et F deux K-espaces vectoriels de dimensions respectives p > 0 et n > 0, munis
des bases e = (e1 , . . . , ep ) et f = (f1 , . . . , fn ), et soit u ∈ L(E, F ).
On note M la matrice de u dans les bases e et f .
Soit (x, y) ∈ E × F . On note X la matrice colonne des coordonnées de x dans la base e, et Y celle des
coordonnées de y dans la base f . Alors,
u(x) = y ⇐⇒ M X = Y.
Propriété. On reprend les notations précédentes. Lorsque n = p, u est un isomorphisme si et

seulement si M est une matrice inversible et dans ce cas, mat(u, e, f )−1 = mat(u−1 , f, e).
Propriété. Soit E un K-espace vectoriel de dimension finie égale à n, muni d’une base e. L’application
L(E) −→ Mn (K)
est un isomorphisme d’algèbres.
u 7−→ mat(u, e)
3 Les systèmes linéaires

3.1 Trois interprétations d’un système linéaire
Définition. Une équation linéaire à p inconnues scalaires est une équation de la forme
(E) : α1 x1 + α2 x2 + · · · + αp xp = b, où α1 , . . . , ap , b ∈ K sont des paramètres, et où x1 , . . . , xp ∈ K
sont les inconnues.
Notation. Fixons (n, p) ∈ N∗ 2 et considérons un système linéaire à n équations et p inconnues,
c’est-à-dire un système d’équations de la forme suivante :


 α1,1 x1 + · · · + α1,p xp = b1

 . ..

 ..
 .
(S) : αi,1 x1 + · · · + αi,p xp = bi ,

 .. ..



 . .

αn,1 x1 + · · · + αn,p xp = bn
où, pour tout (i, j) ∈ {1, . . . , n} × {1, . . . , p}, αi,j ∈ K, pour tout i ∈ {1, . . . , n}, bi ∈ K, les p inconnues
étant x1 , . . . , xp , éléments de K.

149


b1
.
Le vecteur  ..  est appelé le second membre du système, ou bien le membre constant. Lorsqu’il est
bn
nul, on dit que le système est homogène.
Première interprétation.
  Combinaison
  linéaire
 de vecteurs.

α1,1 α1,2 α1,p  
b1
 ..   ..   ..   . 
 . 
 
 . 
 
 . 
   .. 
 
Notons C1 =      
 αi,1 , C2 =  αi,2 , . . ., Cp =  αi,p , et B =  bi . Il s’agit de p + 1 vecteurs
 .   .   .   . 
 ..   ..   ..   .. 
αn,1 αn,2 αn,p bn
de Kn . Alors (S) ⇐⇒ x1 C1 + x2 C2 + · · · + xp Cp = B.
Définition. On dit que (S) est compatible si et seulement s’il admet au moins une solution.
Propriété. (S) est compatible si et seulement si B ∈ Vect(C1 , . . . , Cp ).
Deuxième interprétation. Matricielle. Notons M la matrice de Mn,p (K) dont les colonnes sont
 
x1
.
C1 , . . ., Cp , et X =  .. . Alors (S) ⇐⇒ M X = B.
xp
Définition. On dit que (S) est un système de Cramer si et seulement si n = p et si M est
inversible. Dans ce cas, (S) admet une unique solution.
Troisième interprétation. A l’aide d’une application linéaire.
Soient E et F des K-espaces vectoriels de dimensions p et n munis de bases
e = (e1 , . . . , ep ) et f = (f1 , . . . , fn ). On note u l’unique application linéaire de L(E, F ) telle que
mat(u, e, f ) = M , x le vecteur de E dont les coordonnées dans e sont X et b le vecteur de F dont les
coordonnées dans f sont B. Alors (S) ⇐⇒ u(x) = b.
Définition. On dit que (S) est un système homogène si et seulement si b = 0.
Définition. Le système homogène associé à (S) est (SH ) : u(x) = 0.
Propriété. L’ensemble des solutions de (SH ) est Ker(u).
C’est un sous-espace vectoriel de dimension p − r, où r désigne le rang de u (ou de M ).
3.2 Les opérations élémentaires
Définition. On appelle manipulations ou opérations élémentaires sur les lignes d’une matrice, les
applications de MK (n, p) dans MK (n, p) suivantes :
1) Ajouter à une ligne le multiple d’une autre, opération notée : Li ←− Li + λLj , où i 6= j
et λ ∈ K. C’est une transvection.
2) Multiplier une ligne par un scalaire non nul, notée : Li ←− αLi , où α ∈ K∗ . C’est une affinité.
3) Permuter deux lignes, notée : Li ←→ Lj , où i 6= j. C’est une transposition.
On définirait de même les opérations sur les colonnes.
Propriété. Si σ ∈ Sn , on note Pσ = (δi,σ(j) ) ∈ Mn (K). Alors Pσσ0 = Pσ Pσ0 .
Propriété.
En notant (Ei,j )(i,j)∈{1,...,n}2 la base canonique de Mn (K), si λ ∈ K∗ et (i, j) ∈ {1, . . . , n}2 avec i 6= j,

150
Li ←− Li + λLj : MK (n, p) −→ MK (n, p)

M 7−→ (In + λEi,j )M
Li ←− λLi : MK (n, p) −→ MK (n, p)

M 7−→ (In + (λ − 1)Ei,i )M
Li ←→ Lj : MK (n, p) −→ MK (n, p)
M 7−→ P(i,j) M
De même, en notant (Ei,j )(i,j)∈{1,...,p}2 la base canonique de Mp (K), si λ ∈ K∗ et (i, j) ∈ {1, . . . , p}2
avec i 6= j, alors
Ci ←− Ci + λCj : MK (n, p) −→ MK (n, p)
M 7−→ M (Ip + λEj,i )
Ci ←− λCi : MK (n, p) −→ MK (n, p)

.
M 7−→ M (Ip + (λ − 1)Ei,i )
Ci ←→ Cj : MK (n, p) −→ MK (n, p)
M 7−→ M P(i,j)
Propriété. Si l’on effectue une série d’opérations élémentaires sur les lignes d’une matrice M , alors
on a multiplié M à gauche par une certaine matrice inversible.
Si l’on effectue une série d’opérations élémentaires sur les colonnes d’une matrice M , alors on a
multiplié M à droite par une certaine matrice inversible.
Notation. Soit (S) : M X = B un système linéaire de matrice M ∈ Mn,p (K) et de vecteur constant
B ∈ Kn . On appellera matrice globale de (S) la matrice à n lignes et p+1 colonnes dont les p premières
colonnes sont celles de M et dont la dernière colonne est égale à B.
Propriété. Soient (S) : M X = B et (S 0 ) : M 0 X = B 0 . On suppose que l’on peut passer de la matrice
globale de (S) à celle de (S 0 ) à l’aide d’une série d’opérations élémentaires portant uniquement sur
les lignes. Alors ces deux systèmes sont équivalents.
Propriété. Soit M ∈ Mn (K). On suppose que l’on peut transformer, par des opérations élémentaires
portant uniquement sur les lignes, la matrice blocs M In ∈ MK (n, 2n) en une matrice de la forme
In N ∈ MK (n, 2n). Alors M est inversible et M −1 = N .
3.3 Méthode du pivot de Gauss
Notation. On souhaite résoudre le système (S) : M X = B de n équations à p inconnues. La matrice

globale du système sera notée (ai,j ) ∈ MK (n, p + 1). Pour simplifier les notations, si on transforme
(ai,j ) par des opérations élémentaires, le résultat sera encore noté (ai,j ).
But : Transformer (ai,j ) de sorte que : ∀(i, j) ∈ {1, . . . , n} × {1, . . . , p} i > j =⇒ ai,j = 0.
Pour cela, si l’on suppose que les r − 1 premières colonnes de (ai,j ) sont déjà bien formées :
Premier cas : ∀i ∈ {r, . . . , n} ai,r = 0 : on passe à l’étape suivante.
Second cas : ∃i0 ∈ {r, . . . , n} ai0 ,r 6= 0 : On dit que ai0 ,r est le pivot de l’étape r.
On permute d’abord les lignes Li0 et Lr . Ainsi ar,r 6= 0. Ensuite on effectue la série d’opérations
ai,r
élémentaires : for i from r + 1 to n do Li ←− Li − ar,r Lr od.
Il faut être capable de présenter cet algorithme en détails.
Remarque. Comme on n’effectue que des opérations élémentaires sur les lignes, les lignes de la
matrice finale du système engendrent le même espace vectoriel que les lignes de la matrice initiale. La

151
méthode du pivot permet donc de déterminer une base de l’espace vectoriel engendré par les lignes
(ou les colonnes en opérant sur les colonnes) d’une matrice.
La méthode du pivot permet aussi de déterminer une base de l’image d’une application linéaire : On
considère sa matrice dans des bases données et on détermine une base de ses vecteurs colonnes en
appliquant la méthode du pivot au niveau des colonnes.
3.4 Méthode du pivot total
But : Transformer (ai,j ) de sorte qu’il existe s ∈ {0, min(n, p)} vérifiant
∀(i, j) ∈ N2s , i > j =⇒ ai,j = 0, ∀r ∈ Ns , ar,r 6= 0 et ∀(i, j) ∈ {s + 1, . . . , n} × {1, . . . , p}, ai,j = 0.
La seule différence par rapport à l’algorithme précédent est qu’on accepte de choisir le pivot de l’étape
r parmi les ai,j pour (i, j) ∈ {r, . . . , n} × {r, . . . , p}. Notons ai0 ,j0 6= 0 le pivot choisi. On échange Cr
et Cj0 puis on applique les mêmes opérations élémentaires que dans l’algorithme précédent.
À la fin de l’algorithme, le système est compatible si et seulement si ∀i ∈ {s+1, . . . , n} ai,p+1 = 0 :
c’est un système d’équations de l’espace vectoriel engendré par les colonnes de (S).
Si la matrice de (S) est celle d’une application linéaire u dans des bases e et f , ces conditions de
compatibilité constituent un système d’équations de Im(u) dans la base f .
Définition. Résoudre un système (S) : M X = B à n équations et p inconnues, c’est déterminer
une partie I de {1, . . . , p} et une famille (bi,j )(i,j)∈({1,...,p}\I)×I telles que :
X
∀i ∈ {1, . . . , p} \ I, xi = ci + bi,j xj . Les (xj )j∈I sont les inconnues principales et les (xi )i∈{1,...,p}\I
j∈I
sont les inconnues secondaires. En résumé, résoudre un système, c’est exprimer les inconnues secon-
daires en fonction des inconnues principales.
3.5 Méthode de Gauss-Jordan, lorsque le système est de Cramer
But : Transformer la matrice globale en une matrice dont les n premières colonnes correspondent à
la matrice In , en utilisant uniquement des opérations élémentaires sur les lignes.
Pour cela, comme pour le pivot partiel, à l’étape r, on choisit un pivot ai0 ,r 6= 0 où r ≤ i0 ≤ n, ce qui
est possible car le système est de Cramer, puis on effectue : Li0 ←→ Lr ,
ai,r 1
∀i ∈ {1, . . . , n} \ {r}, Li ←− Li − ar,r Lr et Lr ←− ar,r Lr .
Il faut être capable de présenter cet algorithme en détails.
Corollaire. Une matrice de Mn (K) est inversible si et seulement si elle est le produit de matrices
de transvections, d’affinités et de transpositions.

152
Semaine 30 – Somme de sous-espaces vectoriels, supplémentaires, sommes directes, projecteurs et symétries,
sous-espaces propres, changement de bases

Résumé de cours
Somme de sous-espaces vectoriels

Notation. K désigne un corps quelconque et E désigne un K-espace vectoriel.
1 Sommes et sommes directes

k
!
[
Définition. Si Ei = sev de E, E1 + · · · + Ek = Vect Ei .
i=1
nX
k o
Propriété. E1 + · · · + Ek = xi / ∀i ∈ {1, . . . , k} xi ∈ E i .
i=1
k
X M
Définition. Ei est directe, et alors notée Ei , si et seulement si
i=1 1≤i≤k
k
!
X
∀(x1 , . . . , xk ) ∈ E1 × · · · × Ek xi = 0 =⇒ (∀i ∈ {1, . . . , k} xi = 0) ,
i=1
k
X k
X
ce qui est équivalent à : ∀x ∈ Ei , ∃!(x1 , . . . , xk ) ∈ E1 × · · · × Ek x = xi .
i=1 i=1
2 Supplémentaires d’un sous-espace vectoriel

Propriété. F + G est directe si et seulement si F ∩ G = {0}.
/ F , F et Kx sont en somme directe.
Propriété. Si x ∈
Deux droites vectorielles distinctes sont en somme directe.
Définition. Deux sous-espaces vectoriels F et G de E sont supplémentaires (dans E) si et seule-
ment si E = F ⊕ G, i.e E = F + G et F ∩ G = {0}, i.e ∀x ∈ E, ∃!(x1 , x2 ) ∈ F × G, x = x1 + x2 .
Propriété. Soient E un K-espace vectoriel de dimension finie et F un sous-espace vectoriel de E. F
admet au moins un supplémentaire, et pour tout supplémentaire G de F , dim(F ) + dim(G) = dim(E).
Remarque. En dimension quelconque, tout sous-espace vectoriel de E possède au moins un supplé-
mentaire, si l’on accepte l’axiome du choix.
1 1
Propriété. Mn (K) = Sn (K) ⊕ An (K) : ∀M ∈ Mn (K), M = (M + t M ) + (M − t M ).
2 2
n(n + 1) n(n − 1)
De plus dim(Sn (K)) = et dim(An (K)) = .
2 2
1
153
Semaine 30 : Résumé de cours 4 Propriétés des sommes directes
3 Rang d’une application linéaire

Théorème. Soit u ∈ L(E, F ).
Im(u)
Si H est un supplémentaire de Ker(u) dans E, alors u|H est un isomorphisme.
Définition. rg(u) = dim(Im(u)) ∈ N ∪ {+∞} : il s’agit du rang de l’application linéaire u.
Propriété. Si e est une base de E et u ∈ L(E, F ), alors rg(u) = rg(u(e)).
Formule du rang. Soit u ∈ L(E, F ) avec E de dimension finie.
Alors rg(u) est fini et dim(Im(u)) + dim(Ker(u)) = dim(E) .
Propriété. Si u ∈ L(E, F ), alors rg(u) ≤ min(dim(E), dim(F )). De plus,
lorsque E est de dimension finie, rg(u) = dim(E) si et seulement si u est injective
et lorsque F est de dimension finie, rg(u) = dim(F ) si et seulement si u est surjective.
Théorème. rg(v ◦ u) ≤ inf(rg(u), rg(v)).
On ne modifie par le rang d’une application linéaire en la composant avec un isomorphisme (à sa
gauche ou à sa droite).
∆
Définition. Si M ∈ MK (n, p), le rang de M est rg(M ) = rg(M̃ ) = dim(Im(M )).
Le rang d’une matrice est aussi le rang de la famille de ses vecteurs colonnes.
Propriété. rg(mat(u, e, f )) = rg(u).
Propriété. M ∈ Mn (K) est inversible si et seulement si rg(M ) = n.
Propriété. Soit (A, B) ∈ MK (n, p) × MK (p, q). Alors, rg(AB) ≤ min(rg(A), rg(B)).
On ne modifie pas le rang d’une matrice en la multipliant par une matrice inversible.
4 Propriétés des sommes directes

4.1 Un moyen de définir une application linéaire
M
Théorème. Soit (Ei )1≤i≤k une famille de k sous-espaces vectoriels de E telle que E = Ei . Soit
1≤i≤k
F un K-espace vectoriel et, pour tout i ∈ {1, . . . , k}, soit ui une application linéaire de Ei dans F .
Il existe une unique application linéaire u de E dans F telle que, pour tout i ∈ {1, . . . , k}, la restriction
de u à Ei est égale à ui . Ainsi, pour définir une application linéaire u de E dans F , il suffit de préciser
ses restrictions aux sous-espaces vectoriels Ei .
4.2 Formules dimensionnelles

X
k Xk
Propriété. dim Ei ≤ dim(Ei ), avec égalité si et seulement si la somme est directe .
i=1 i=1
Remarque. Ainsi, lorsque E est de dimension finie, si F et G sont deux sous-espaces vectoriels de
E, ils sont supplémentaires dans E si et seulement si E = F + G et dim(E) = dim(F ) + dim(G).
Formule de Grassmann : dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).

154
Semaine 30 : Résumé de cours 5 Les projecteurs
4.3 Associativité des sommes directes
Propriété. Associativité d’une somme directe. Si (Ii )1≤i≤p est une partition de {1, . . . , k}, alors
E1 , . . . , Ekformentune somme directe si et seulement si ∀i ∈ {1, . . . , p}, (Ej )j∈Ii forment une somme
M
directe et Ej forment une somme directe.
i∈{1,...,p}
j∈Ii
Théorème. Soient k un entier supérieur ou égal à 2, et (Ei )1≤i≤k une famille de k sous-espaces
i−1
\X
vectoriels de E. E1 , . . . , Ek sont en somme directe si et seulement si ∀i ∈ {2, . . . , k} Ei Ej = {0}.
j=1
4.4 Base adaptée à une décomposition en somme directe
Théorème. Soit E un K-espace vectoriel muni d’une base (ei )i∈I . Soit (Ik )1≤k≤n une partition de
n
M
I. Pour tout k ∈ {1, . . . , n}, on pose Ek = Vect(ei )i∈Ik . Alors E = Ek .
k=1
Théorème réciproque. Soit (Ek )1≤k≤n une famille de sous-espaces vectoriels d’un K-espace vectoriel
Mn
E tels que E = Ek . Pour tout k ∈ {1, . . . , n}, on suppose que Ek admet une base bk . Alors la
k=1
concaténation des bases (bk )1≤k≤n , notée b, est une base de E. On dit que b est une base adaptée à
Mn
la décomposition en somme directe E = Ek .
k=1
Définition. Lorsque F est un sous-espace vectoriel de E, on appelle base de E adaptée à F toute

base obtenue en complétant une base de F .
5 Les projecteurs
Définition. p ∈ L(E) est un projecteur si et seulement si p2 = p.
Propriété. Soient F et G deux sous-espaces vectoriels supplémentaires de E.
Pour x ∈ E, on note (p(x), q(x)) l’unique couple de F × G tel que x = p(x) + q(x).
p et q sont des projecteurs.
p est appelé le projecteur sur F parallèlement à G, et q le projecteur associé à p.
On vérifie que p + q = IdE et pq = qp = 0.
Propriété réciproque. Soit p un projecteur de E. Alors p est le projecteur sur Im(p) parallèlement à
Ker(p). La décomposition de x ∈ E selon la somme directe E = Im(p)⊕Ker(p) est x = p(x)+(x−p(x)),
avec p(x) ∈ F = Im(p) et x − p(x) ∈ G = Ker(p).
Pour tout x ∈ E, x = p(x) ⇐⇒ x ∈ F : F = Ker(IdE − p).
Définition. s ∈ L(E) est une symétrie si et seulement si s2 = IdE .
Propriété. Soient F et G deux sous-espaces vectoriels supplémentaires de E.
L’unique application s de E dans E telle que, pour tout f, g ∈ F ×G, s(f +g) = f −g est une symétrie,
appelée symétrie par rapport à F parallèlement à G. Si l’on note p le projecteur sur F parallèlement
à G, et q le projecteur associé à p, alors s = p − q = 2p − IdE .

155
Semaine 30 : Résumé de cours 7 Changement de base
Propriété réciproque. On suppose que car(K) 6= 2.

Pour toute symétrie s de E, il existe deux sous-espaces vectoriels supplémentaires F et G tels que s est
la symétrie par rapport à F parallèlement à G. Il s’agit de F = Ker(IdE − s) et de G = Ker(IdE + s).
6 Sous-espaces propres
Notation. On fixe un K-espace vectoriel E et u ∈ L(E).
Définition. λ ∈ K est une valeur propre de u si et seulement s’il existe un vecteur x non nul de
E tel que u(x) = λx. Dans ce cas, tout vecteur y non nul tel que u(y) = λy est appelé un vecteur
propre de u associé à la valeur propre λ.
De plus, toujours lorsque λ est une valeur propre de u, Ker(λIdE − u) est appelé le sous-espace
propre de u associé à la valeur propre λ. Il est noté Eλ , ou Eλu en cas d’ambiguı̈té.
Remarque. Si λ est une valeur propre de u, l’ensemble des vecteurs propres de u pour la valeur
propre λ est Eλ \ {0}.
Remarque. Même lorsque λ n’est pas une valeur propre de u, on note parfois
Eλ = Ker(λIdE − u), mais dans ce cas, Eλ = {0}.
Définition. Soient n ∈ N∗ et M ∈ Mn (K) : Les éléments propres de M (c’est-à-dire les valeurs
propres, les vecteurs propres et les sous-espaces propres) sont les éléments propres de l’endomorphisme
canoniquement associé à M .
Propriété.
λ ∈ K est une valeur propre de u si et seulement si λIdE − u n’est pas injective.
En particulier, u est injectif si et seulement si 0 n’est pas une valeur propre de u.
Définition. On appelle spectre de u l’ensemble des valeurs propres de u. Il est noté Sp(u).
Théorème.
La somme d’un nombre fini de sous-espaces propres de u est toujours directe.
Corollaire. Si (xi )i∈I est une famille de vecteurs propres de u associés à des valeurs propres deux à
deux distinctes, alors cette famille est libre.
Exemple. Supposons que E 6= {0}.
Soient F et G deux sous-espaces vectoriels supplémentaires non nuls dans E.
• Si u est une homothétie de rapport λ, où λ ∈ K, Sp(u) = {λ} et Eλ = E.
• Si u est le projecteur sur F parallèlement à G, Sp(u) = {0, 1}, E1 = F et E0 = G.
• Si u est la symétrie par rapport à F parallèlement à G, Sp(u) = {1, −1}, E1 = F et E−1 = G.
Propriété.
Si v ∈ L(E) commute avec u, les sous-espaces propres de u sont stables par v.
7 Changement de base
Notation. On fixe un K-espace vectoriel E de dimension finie égale à n ∈ N∗ .
Propriété. Soit e = (e1 , . . . , en ) une base de E et f = (fj )1≤j≤n ∈ E n une famille de n vecteurs de
E. Pour tout j ∈ Nn , on pose pi,j = e∗i (fj ) : c’est la ième coordonnée dans la base e du j ème vecteur
de la famille f . Alors f est une base si et seulement si la matrice P = (pi,j ) est inversible. Dans ce
cas, P est noté Pef (ou bien Pe→f ) et on dit que Pef = (pi,j ) est la matrice de passage de la base e
vers la base f .

156
Semaine 30 : Résumé de cours 7 Changement de base
Interprétation tabulaire : Avec les notations précédentes,
 f1 ··· fn 
p1,1 ··· p1,n e1
Pef =  . ..  .. .
 .. .  .
pn,1 ··· pn,n en
Remarque. Si f = (fj )1≤j≤p est une famille de p vecteurs de E, on pose

∆
matfe = (e∗i (fj )) 1≤i≤n ∈ Mn,p (K). Alors rg(matfe ) = rg(f ).
1≤j≤p
Propriété. Soit e une base de E :

Pour toute matrice P inversible d’ordre n, il existe une unique base f de E telle que P = Pef .
0 0
Propriété. Soit e et e0 deux bases de E. Alors Pee = mat(IdE , e0 , e) = mat(IdE )ee .
Formule de changement de base pour les vecteurs :
∆
Soit e et e0 deux bases de E. Soit x ∈ E. On pose X = mat(x)e le vecteur colonne des coordonnées
de x dans la base e. De même on pose X 0 = mat(x)e0 .
0 0
Alors, X = Pee X 0 , ou encore mat(x)e = Pee mat(x)e0 .
0 0 −1
Formule. Si e, e0 et e00 sont trois bases de E, Pee” = Pee Pee”
0 et Pee = Pee0 .
Formule de changement de bases pour les applications linéaires :
Soient E et F deux K-espaces vectoriels de dimensions finies.
On suppose que e et e0 sont deux bases de E et que f et f 0 sont deux bases de F .
0 0 0
Soit u ∈ L(E, F ). Notons M = mat(u)ef , M 0 = mat(u)ef 0 , P = Pee et Q = Qff .
0 0
Alors, M 0 = Q−1 M P c’est-à-dire mat(u)ef 0 = Pff0 × mat(u)ef × Pee .
Formule de changement de bases pour les endomorphismes :
Soit E un K-espace vectoriel de dimension finie et u ∈ L(E). On suppose que e et e0 sont deux bases
0
de E. Notons M = mat(u, e), M 0 = mat(u, e0 ) et P = Pee . Alors, M 0 = P −1 M P .

157
Semaine 31 – Diagonalisation et trigonalisation, trace d’un endomorphisme, matrices équivalentes et sem-
blables, hyperplans, déterminants (formes multilinéaires)

Résumé de cours
1 Diagonalisation et trigonalisation
Définition. Soit E un K-espace vectoriel de dimension n ∈ N∗ et u ∈ L(E).
On dit que u est diagonalisable si et seulement si il vérifie l’une des propriétés suivantes :
i) Il existe une base e de E telle que mat(u, e) est diagonale.
ii) Il existeMune base de E constituée de vecteurs propres de u.
iii) E = Eλu .
λ∈SpK (u)
X
iv) n = dim(Eλu ).
λ∈SpK (u)
Propriété. les homothéties, les projecteurs et les symétries sont diagonalisables.
Définition. Soit M ∈ Mn (K). On dit que M est diagonalisable si et seulement si son endomorphisme
canoniquement associé est diagonalisable.
Propriété. M ∈ Mn (K) est diagonalisable si et seulement si il existe P ∈ GLn (K) telle que P −1 M P
est une matrice diagonale.
Définition. Soit M ∈ Mn (K) une matrice diagonalisable. “diagonaliser” M , c’est déterminer une
matrice diagonale D et une matrice inversible P telles que M = P DP −1 .
Définition. Un endomorphisme u est trigonalisable si et seulement s’il existe une base dans laquelle
la matrice de u est triangulaire supérieure.
Définition. M ∈ Mn (K) est trigonalisable si et seulement si l’endomorphisme canoniquement associé
à M est trigonalisable, c’est-à-dire si et seulement si il existe P ∈ GLn (K) telle que P −1 M P est
triangulaire supérieure.
Définition. Soit M ∈ Mn (K). “Trigonaliser ” M , c’est déterminer si M est trigonalisable, et dans
ce cas, c’est calculer P ∈ GLn (K) et T triangulaire supérieure telles que M = P T P −1 .
2 Trace d’un endomorphisme

Définition.
Soit E un K-espace vectoriel de dimension finie. La quantité Tr(mat(u, e)) ne dépend pas du choix de
la base e de E. On la note Tr(u). C’est la trace de l’endomorphisme u.
Propriété. Si u, v ∈ L(E), alors Tr(uv) = Tr(vu).
1
158
Semaine 31 : Résumé de cours 3 Matrices équivalentes et matrices semblables
Propriété. Soit E un K-espace vectoriel de dimension finie.

Si p est un projecteur de E, alors Tr(p) = rg(p).
3 Matrices équivalentes et matrices semblables

3.1 Matrices équivalentes
Définition. Deux matrices M et M 0 de MK (n, p) sont équivalentes si et seulement s’il existe

P ∈ GLp (K) et Q ∈ GLn (K) telles que M 0 = QM P −1 .
On définit ainsi une relation d’équivalence sur MK (n, p).
Propriété. Deux matrices sont équivalentes si et seulement si elles représentent une même application
linéaire dans des bases différentes, autant pour la base de départ que pour la base d’arrivée.
Propriété. Deux matrices sont équivalentes si et seulement si il est possible de transformer l’une en
l’autre par une succession d’opérations élémentaires portant sur les lignes ou sur les colonnes.
Théorème. Soient E et F deux K-espaces vectoriels de dimensions respectives p > 0 et n > 0, et
soit u ∈ L(E, F ). Notons r le rang de u. Il existe une base e de E et une base f de Ftelles que
Ir 0r,p−r ∆
mat(u, e, f ) admet la décomposition en blocs suivante : mat(u, e, f ) = = Jn,p,r .
0n−r,r 0n−r,p−r
Propriété. Si M ∈ MK (n, p), M est équivalente à Jn,p,r , où r désigne le rang de M .
Corollaire. Deux matrices sont équivalentes si et seulement si elles ont le même rang.
3.2 Propriétés du rang d’une matrice
Propriété. Pour toute matrice M ∈ MK (n, p), rg(M ) = rg(t M ).

On en déduit que le rang de M est aussi le rang de la famille de ses vecteurs lignes.
Propriété. Si l’on effectue une série de manipulations élémentaires sur une matrice, on ne modifie
pas le rang de cette matrice.
Remarque. Pour déterminer le rang d’une matrice, une méthode consiste donc à transformer cette
matrice en une matrice dont on connaı̂t le rang par une succession d’opérations élémentaires portant
sur les lignes ou sur les colonnes. On peut en particulier utiliser l’algorithme du pivot.
Propriété. Le rang d’une matrice est égal au nombre d’étapes dans la méthode du pivot global.
Propriété. Soit M ∈ MK (n, p). Si P est une matrice extraite de M , alors rg(P ) ≤ rg(M ).
Propriété. Soit A ∈ MK (n, p) une matrice non nulle.
rg(A) est égal à la taille maximale des matrices inversibles extraites de A.

159
Semaine 31 : Résumé de cours 4 Les hyperplans
3.3 Matrices semblables

Définition. Deux matrices carrées M et M 0 dans Mn (K) sont semblables si et seulement s’il existe
P ∈ GLn (K) tel que M 0 = P M P −1 . On définit ainsi une seconde relation d’équivalence sur Mn (K),
appelée relation de similitude.
Propriété. Deux matrices sont semblables si et seulement si elles représentent un même endomor-
phisme dans des bases différentes, en imposant de prendre une même base au départ et à l’arrivée.
Propriété. Soient (M, M 0 ) ∈ Mn (K)2 et P ∈ GLn (K) tels que M 0 = P M P −1 .
Alors, pour tout n ∈ N, M 0n = P M n P −1 et pour tout Q ∈ K[X], Q(M 0 ) = P Q(M )P −1 .
Si M 0 et M sont inversibles, pour tout n ∈ Z, M 0n = P M n P −1 .
4 Les hyperplans
Dans tout ce chapitre, on fixe un K-espace vectoriel E, où K est un corps.
4.1 En dimension quelconque

Définition. Soit H un sous-espace vectoriel de E. On dit que H est un hyperplan si et seulement si
il existe une droite vectorielle D telle que H ⊕ D = E.
Propriété. Soit H un hyperplan et D une droite non incluse dans H. Alors H ⊕ D = E.
Propriété. Soit H une partie de E. H est un hyperplan de E si et seulement si il est le noyau d’une
forme linéaire non nulle. De plus, si H = Ker(ϕ) = Ker(ψ), alors ϕ et ψ sont colinéaires.
Définition. Soient H un hyperplan de E et ϕ ∈ L(E, K) \ {0} tel que H = Ker(ϕ).
Alors x ∈ H ⇐⇒ [(E) : ϕ(x) = 0]. On dit que (E) est équation de H.
4.2 En dimension finie

Notation. On suppose que E est un espace de dimension finie notée n, avec n > 0.
Si e = (e1 , . . . , en ) est une base de E, pour tout i ∈ {1, . . . , n}, on note e∗i l’application qui associe à
tout vecteur x de E sa ième coordonnée dans la base e.
Propriété. Avec les notations précédentes, la famille e∗ = (e∗i )1≤i≤n est une base de L(E, K) = E ∗ ,
que l’on appelle la base duale de e.
Remarque. Les hyperplans de E sont les sous-espaces vectoriels de E de dimension n − 1.
Définition. Soit e = (e1 , . . . , en ) une base de E et H un hyperplan de E.
Xn
Si H = Ker(ψ), où ψ ∈ E ∗ , en notant ψ = αi e∗i , l’équation de l’hyperplan H devient
i=1
n
X n
X
x= xi ei ∈ H ⇐⇒ αi xi = 0 : c’est une équation cartésienne de H.
i=1 i=1
Exemple. Dans un plan vectoriel rapporté à une base (~ı, ~), une droite vectorielle D a une équation
cartésienne de la forme : →
−
v = x~ı + y~ ∈ D ⇐⇒ ax + by = 0, où (a, b) ∈ R2 \ {0}.
Exemple. Dans un espace vectoriel de dimension 3 rapporté à une base (~ı, ~, ~k), un plan vectoriel P a
une équation cartésienne de la forme : →
−
v = x~ı+y~+z~k ∈ P ⇐⇒ ax+by+cz = 0, où (a, b, c) ∈ R3 \{0}.

160
Semaine 31 : Résumé de cours 5 Déterminants
4.3 Les hyperplans affines

Notation. Soit E un espace affine de direction E. On fixe un point O ∈ E.
Définition. Un hyperplan affine est un sous-espace affine dirigé par un hyperplan de E.
Propriété. Soit H une partie de E. H est un hyperplan affine de E si et seulement si il existe
−−→
ϕ ∈ L(E, K) \ {0} et a ∈ K tel que, pour tout M ∈ E, [M ∈ H ⇐⇒ ϕ(OM ) = a].
−−→
Dans ce cas, la condition ϕ(OM ) = a est appelée une équation de H.
De plus, la direction de H est l’hyperplan Ker(ϕ), d’équation ϕ(x) = 0 en l’inconnue x ∈ E.
→
−
Remarque. Dans le cas particulier où E = E et où O = 0 , l’équation devient ϕ(M ) = a, donc les
hyperplans affines de E sont exactement les ϕ−1 ({a}), avec ϕ ∈ L(E, K) \ {0} et a ∈ K.
Propriété. Supposons que E est de dimension finie égale à n ∈ N∗ et que E est muni d’une base
e = (e1 , . . . , en ), dont la base duale est notée e∗ = (e∗1 , . . . , e∗n ). Soit H un hyperplan affine de E,
−−→
dont une équation est Ψ(OM ) = a. Notons (α1 , . . . , αn ) les coordonnées de Ψ dans e∗ . Si M a pour
Xn
coordonnées (x1 , . . . , xn ) dans le repère affine (O, e), alors M ∈ H ⇐⇒ αi xi = a .
i=1
C’est la forme générale d’une équation cartésienne d’hyperplan affine en dimension n.
4.4 Application aux systèmes linéaires

Notation. On fixe (n, p) ∈ N∗ 2 et on considère un système linéaire de n équations à p inconnues de
p
X
la forme : ∀i ∈ Nn , αi,j xj = bi , où, pour tout i, j, αi,j ∈ K, pour tout i, bi ∈ K, les p inconnues
j=1
étant x1 , . . . , xp , éléments de K.
Propriété. Notons M la matrice de (S). Ainsi (S) ⇐⇒ M X = B, où B = (bi ) ∈ Kn .

Si (S) est compatible, l’ensemble des solutions de (S) est un sous-espace affine de Kp dimension p − r,
où r désigne le rang de M et dont la direction est Ker(M ).
Propriété. Soient E et F des K-espaces vectoriels de dimensions p et n munis de bases
e = (e1 , . . . , ep ) et f = (f1 , . . . , fn ). On note u l’unique application linéaire de L(E, F ) telle que
mat(u, e, f ) = M , x le vecteur de E dont les coordonnées dans e sont X et b le vecteur de F dont les
coordonnées dans f sont B. Alors (S) ⇐⇒ u(x) = b. Avec ces notations, l’ensemble des solutions de
(S) est soit vide, soit un sous-espace affine de E de direction Ker(u).
Quatrième interprétation d’un système linéaire : A l’aide de formes linéaires.
p
X
Notons e∗ = (e∗1 , . . . , e∗p ) la base duale de e. Pour tout i ∈ {1, . . . , n}, posons li = αi,j e∗j .
j=1
Les li sont des formes linéaires telles que (S) ⇐⇒ [∀i ∈ {1, . . . , n} li (x) = bi ].
\n
L’ensemble des solutions de (S) est li −1 ({bi }). C’est une intersection d’hyperplans affines.
i=1
Propriété. Si E est un K-espace vectoriel de dimension p, l’intersection de r hyperplans vectoriels

de E est un sous-espace vectoriel de dimension supérieure à p − r.
Réciproquement tout sous-espace vectoriel de E de dimension p − r où r ≥ 1 est une intersection de
r hyperplans de E, donc est caractérisé par un système de r équations linéaires.
Propriété. Tout sous-espace affine de E peut être caractérisé par un système d’équations linéaires.
Tout sous-espace affine différent de E est une intersection d’un nombre fini d’hyperplans affines.

161
5 Déterminants
5.1 Applications multilinéaires
Définition. Soient p ∈ N∗ et (E1 , . . . , Ep ) une famille de p K-espaces vectoriels.

Soient F un K-espace vectoriel et f une application de E1 × · · · × Ep dans F .
f est une application p-linéaire si et seulement si, pour tout j ∈ Np
et pour tout (a1 , . . . , aj−1 , aj+1 , . . . , ap ) ∈ E1 × · · · × Ej−1 × Ej+1 × . . . × Ep ,
E −→ F
l’application j est linéaire.
xj 7−→ f (a1 , . . . , aj−1 , xj , aj+1 , . . . , ap )
Définition. Une application bilinéaire est une application 2-linéaire.
Notation.
— Lp (E1 , . . . , Ep ; F ) désigne l’ensemble des applications p-linéaires de E1 × · · · × Ep dans F .
C’est un sous-espace vectoriel de F(E1 × · · · × Ep , F ).
— On note Lp (E, F ) = Lp (E, . . . , E ; F ) et Lp (E) = Lp (E, K).
| {z }
p fois
Les éléments de Lp (E) sont appelés des formes p-linéaires sur E.
Notation. On fixe p ∈ N∗ et deux K-espaces vectoriels E et F .
Propriété. Soit u1 , . . . , up p applications linéaires de E dans K.
u: E p −→ K
p
Y
Alors l’application (x1 , . . . , xp ) 7−→ ui (xi ) est une forme p-linéaire.
i=1
σ(f ) : E p −→ F
Définition. Soient σ ∈ Sp et f ∈ Lp (E, F ). On note .
(x1 , . . . , xp ) 7−→ f (xσ(1) , . . . , xσ(p) )
Définition. Soit f ∈ Lp (E, F ). f est une application p-linéaire symétrique (resp : antisymétrique) si
et seulement si pour tout σ ∈ Sp , σ(f ) = f (resp : σ(f ) = ε(σ)f , où ε(σ) désigne la signature de la
permutation σ).
Propriété. Soit f ∈ Lp (E, F ).
f est symétrique si et seulement si pour toute transposition τ de Sp , τ (f ) = f .
f est antisymétrique si et seulement si pour toute transposition τ de Sp , τ (f ) = −f .
Définition. Soit f ∈ Lp (E, F ). f est une application p-linéaire alternée si et seulement si elle
annule tout p-uplet de vecteurs de E contenant au moins deux vecteurs égaux.
Propriété. Soit f ∈ Lp (E, F ).
Si f est alternée, alors elle est antisymétrique.
Lorsque car(K) 6= 2, alternée ⇐⇒ antisymétrique.
Propriété. f ∈ Lp (E, F ) est alternée si et seulement si pour tout (x1 , . . . , xp ) ∈ E p , f (x1 , . . . , xp )
ne varie pas lorsque l’on ajoute à l’un des xi une combinaison linéaire des autres xj , ou encore si et
seulement si l’image par f de toute famille liée de vecteurs est nulle.
Corollaire. Si E est de dimension n ∈ N∗ et si p > n, toute forme p-linéaire alternée sur E est nulle.

162
5.2 Les trois notions de déterminants

Au sein de ce paragraphe, E désignera un K-espace vectoriel de dimension finie égale à n, avec n > 0.
5.2.1 Volume
Supposons temporairement que K = R. Pour tout x = (x1 , . . . , xn ) ∈ E n , on note Hx l’hyperpa-
n
X
rallélépipède Hx = { ti xi / t1 , . . . , tn ∈ [0, 1]}.
i=1
Si vol est une application de E n dans R telle que, pour tout x ∈ E n , |vol(x)| représente le volume
de Hx et le signe de vol(x) représente l’orientation du n-uplet x, alors en imposant des contraintes
raisonnables aux notions de volume et d’orientation, l’application vol est nécessairement une forme
n-linéaire alternée.
5.2.2 Déterminant d’un système de n vecteurs
Notation. On note An (E) l’ensemble des formes n-linéaires alternées.
Définition. Soit e = (e1 , . . . , en ) une base de E et x = (x1 , . . . , xn ) ∈ E n .

X n
Y
∆
Le déterminant de x dans la base e est le scalaire dete (x1 , . . . , xn ) = ε(σ) e∗σ(j) (ej ).
σ∈Sn j=1
Théorème. Soit e une base de E. Si f est une forme n-linéaire alternée sur E, alors f = f (e)dete .
X n
Y X n
Y
∗
Propriété. dete (x1 , . . . , xn ) = ε(σ) eσ(j) (ej ) = ε(σ) e∗j (xσ(j) ).
σ∈Sn j=1 σ∈Sn j=1
Propriété. dete est une forme n-linéaire alternée telle que dete (e) = 1.
Propriété. An (E) est une droite vectorielle dirigée par dete .
Remarque. dete (x) est donc la seule définition raisonnable du volume algébrique de Hx , si l’on
choisit l’unité de volume de sorte que le volume de He soit égal à 1.
5.2.3 Déterminant d’une matrice
Définition. Le déterminant de M ∈ Mn (K) est le déterminant des vecteurs colonnes de M dans la

base canonique de Kn .
α1,1 ··· α1,n
Représentation tabulaire. Si M = (αi,j ) ∈ Mn (K). On note det(M ) = .. .. .
. .
αn,1 ··· αn,n
X n
Y X n
Y
Propriété. det(M ) = ε(σ) Mj,σ(j) = ε(σ) Mσ(j),j = det(t M ).
σ∈Sn j=1 σ∈Sn j=1
Ainsi det(M ) est aussi le déterminant des vecteurs lignes de M dans la base canonique de Kn .
Formule de Sarrus :
p1,1 p1,2 p1,3
p2,1 p2,2 p2,3 = p1,1 p2,2 p3,3 + p2,1 p3,2 p1,3 + p3,1 p1,2 p2,3
p3,1 p3,2 p3,3
−p1,3 p2,2 p3,1 − p2,3 p3,2 p1,1 − p3,3 p1,2 p2,1 .

163
5.2.4 Déterminant d’un endomorphisme
Définition. Soit u ∈ L(E). Le déterminant de l’endomorphisme u est l’unique scalaire, noté

det(u), vérifiant ∀f ∈ An (E) ∀x ∈ E n f (u(x)) = (det(u))f (x).
Propriété. Soient e une base de E et u ∈ L(E).
Pour tout (x1 , . . . , xn ) ∈ E n , dete (u(x1 ), . . . , u(xn )) = det(u)dete (x1 , . . . , xn ) .
En particulier, det(u) = dete (u(e1 ), . . . , u(en )).
Propriété. Pour toute base e de E et pour tout u ∈ L(E), det(u) = det(M at(u, e)).

164
Semaine 32 – Déterminants (calculs), produits scalaires, espaces préhilbertiens, espaces vectoriels normés de
dimensions finies, orthogonalité
Semaine 32 (du 1er au 5 juin) :

Résumé de cours
1 Déterminants (suite et fin)

1.1 Propriétés du déterminant
Notation. On fixe n ∈ N∗ , E un K-espace vectoriel de dimension n et e une base de E.

Propriété. dete est n-linéaire alternée, donc antisymétrique. dete (e) = 1.
dete (x1 , . . . , xn ) n’est pas modifié si l’on ajoute à l’un des xi une combinaison linéaire des autres xj .
Propriété. Le déterminant d’une matrice M de Mn (K) est modifié en :
— det(M ) pour une opération élémentaire du type Li ←− Li + λLj ou Ci ←− Ci + λCj ;
— αdet(M ) pour une opération élémentaire du type Li ←− αLi ou Ci ←− αCi ;
— −detM pour un échange entre deux lignes ou deux colonnes.
ATTENTION : En général, det(αM + N ) 6= αdet(M ) + det(N ).
Méthode : Pour calculer le déterminant d’une matrice, on tente de modifier la matrice par des
manipulations élémentaires, afin de se ramener à une matrice dont on connait le rang ou le déterminant.
Propriété. det(IdE ) = 1, det(In ) = 1.
Pour tout λ ∈ K et u ∈ L(E), det(λu) = λn det(u).
Pour tout λ ∈ K et A ∈ Mn (K), det(λA) = λn det(A).
Théorème. Si f, g ∈ L(E), alors det(f g) = det(f ) × det(g) .
Pour tout A, B ∈ Mn (K), det(AB) = det(A)det(B).
Formule de changement de base : Soient e et e0 deux bases de E, et soit x une famille de n
vecteurs de E. Alors, dete0 (x) = dete0 (e)dete (x) .
Théorème. x est une base si et seulement si dete (x) 6= 0.

Corollaire. Soit u ∈ L(E) et A ∈ Mn (K).
1
u ∈ GL(E) si et seulement si det(u) 6= 0 et dans ce cas, det(u−1 ) = .
det(u)
1
A ∈ GLn (K) si et seulement si det(A) 6= 0 et dans ce cas, det(A−1 ) = .
det(A)
Remarque. det est donc un morphisme du groupe GL(E) vers (K∗ , ×).
Son noyau est un sous-groupe (distingué) de GL(E), noté SL(E).
C’est le groupe spécial linéaire de E : SL(E) = {u ∈ L(E) / det(u) = 1}.
En particulier de SLn (K) = {M ∈ Mn (K) / det(M ) = 1} : c’est le groupe spécial linéaire de degré n.
Propriété. Deux matrices carrées semblables ont le même déterminant.
1
165
Semaine 32 : Résumé de cours 1 Déterminants (suite et fin)
1.2 Calcul des déterminants
Définition. Soit M = (mi,j ) ∈ Mn (K). Pour tout (i, j) ∈ N2n , notons i,j M la matrice extraite de M
en ôtant la ième ligne et la j ème colonne. La quantité det(i,j M ) s’appelle le (i, j)ème mineur de M
La quantité Ci,j = (−1)i+j det(i,j M ) s’appelle le (i, j)ème cofacteur de M .
Théorème. Pour tout j ∈ Nn ,
n
X
det(M ) = mi,j Ci,j : c’est le développement de det(M ) selon sa j ème colonne.
i=1
n
X
Pour tout i ∈ Nn , det(M ) = mi,j Ci,j : c’est le développement de det(M ) selon sa ième ligne.
j=1
Définition. On appelle comatrice de M la matrice (Ci,j ) 1≤i≤n des cofacteurs de M .
1≤j≤n
On la notera Com(M ) ou bien Cof (M ).
La transposée de la comatrice s’appelle la matrice complémentaire de M .
Théorème. ∀M ∈ Mn (K) M t Cof (M ) = t Cof (M )M = det(M )In .
1 t
Corollaire. Lorsque M est inversible, M −1 = Cof (M ).
det(M )
Théorème. Soit M = (Mi,j ) 1≤i≤a une matrice décomposée en blocs, où, pour tout i, j ∈ Na ,
1≤j≤a
a
Y
Mi,j ∈ Mni ,nj (K). Si M est triangulaire supérieure (ou inférieure) par blocs, det(M ) = det(Mi,i ).
i=1
Corollaire. Le déterminant d’une matrice triangulaire supérieure ou inférieure est égal au produit
de ses éléments diagonaux.
1.3 Formules de Cramer
Propriété. Considérons un système linéaire de Cramer (S) : M X = B, où M ∈ GLn (K), B ∈ Kn ,

 
x1
. det(j M )
dont l’unique solution est notée X =  ..  ∈ Kn . Alors, pour tout j ∈ {1, . . . , n}, xj =
det(M )
xn
où j M est la matrice dont les colonnes sont celles de M , sauf la j ème qui est égale à B.
1.4 Exemples de déterminants.

1.4.1 Déterminant de Vandermonde
Définition. Soient n ∈ N et (a0 , . . . , an ) ∈ Kn+1 .

j−1
La matrice de Vandermonde est V(a0 , . . . , an ) = (ai−1 ) ∈ Mn+1 (K),
et le déterminant de Vandermonde est V (a0 , . . . , an ) = det(V(a0 , . . . , an )).
Y
Propriété. V (a0 , . . . , an ) = (aj − ai ).
0≤i<j≤n

166
Semaine 32 : Résumé de cours 2 Produits scalaires
1.4.2 Déterminants tridiagonaux
Définition. Soient n un entier supérieur ou égal à 2 et M = (mi,j ) ∈ Mn (K).

M est tridiagonale si et seulement si , pour tout (i, j) ∈ N2n , |i − j| ≥ 2 =⇒ mi,j = 0.
Propriété. Soit M = (mi,j ) ∈ Mn (K) une matrice tridiagonale. Pour tout k ∈ Nn , notons Mk la
matrice extraite de M en ne retenant que ses k premières colonnes et ses k premières lignes. Alors la
suite (det(Mk ))1≤k≤n vérifie une relation de récurrence linéaire d’ordre 2.
1.4.3 Déterminants circulants
Définition. Une matrice M ∈ Mn (K) est circulante si et seulement si on passe de l’une de ses lignes
à la suivante selon une permutation circulaire des coefficients vers la droite.
Méthode : Pour des matrices circulantes simples, on peut commencer par remplacer la première ligne
par la somme de toutes les lignes. La première ligne devient alors colinéaire à (1, 1, . . . , 1). On peut
ensuite effectuer des différences de colonnes pour placer des 0 sur la première ligne.
2 Produits scalaires
2.1 Définition d’un produit scalaire
Notation. E est un R-espace vectoriel.

Définition. ϕ ∈ L2 (E) est définie si et seulement si ∀x ∈ E \ {0}, ϕ(x, x) 6= 0.
Définition. ϕ ∈ L2 (E) est positive si et seulement si ∀x ∈ E, ϕ(x, x) ≥ 0.
Définition. Un produit scalaire est une forme bilinéaire symétrique définie positive,
c’est-à-dire une application ϕ : E 2 −→ R telle que, pour tout x, y, z ∈ E et λ ∈ R,
— ϕ(x, y) = ϕ(y, x) ;
— ϕ(λx + y, z) = λϕ(x, z) + ϕ(y, z) ;
— x 6= 0 =⇒ ϕ(x, x) > 0.
Un espace préhilbertien réel est un couple (E, ϕ), où E est un R-espace vectoriel et où ϕ est un
produit scalaire sur E.
2.2 Exemples
E!2 −→ R
X X X
Si e = (ei )i∈I est une base de E, xi ei , yi ei 7−→ xi yi est un p.s sur E.
i∈I i∈I i∈I
ϕ: Rn × R n −→ R
Xn
est le produit scalaire canonique de Rn .
((α1 , . . . , αn ), (β1 , . . . , βn )) 7−→ αi βi
i=1
Alors, pour tout X, Y ∈ Rn , ϕ(X, Y ) = t XY .
Z b
En posant ϕ(f, g) = f (t)g(t)dt, ϕ est un produit scalaire sur C([a, b], R).
a
Exercice. Montrer que (M, N ) 7−→ Tr(t M N ) est un produit scalaire sur Mn (R).
P
Notation. Pour p ∈ R∗+ , lp = {(un ) ∈ RN / |un |p CV}.
∞
Notons l l’ensemble des suites bornées de réels.

167
Semaine 32 : Résumé de cours 3 Espaces vectoriels normés de dimensions finies
Propriété. l1 , l2 et l∞ sont des sous-espaces vectoriels de RN .

De plus si (an ) et (bn ) sont dans l2 , alors (an bn ) est un élément de l1 .
X
Propriété. Pour tout (un ), (vn ) ∈ l2 , on pose ((un )|(vn )) = un vn .
n∈N
l2 muni de (.|.) est un espace préhilbertien.
2.3 Identités remarquables
Notation. E est un espace préhilbertien réel. Son produit scalaire sera noté (.|.).
p
Définition. Pour tout x ∈ E, la norme de x est kxk = (x|x).
Formule. Pour tout ((x, y), α) ∈ E 2 × R,
kαxk = |α|kxk,
kx + yk2 = kxk2 + kyk2 + 2(x|y),
kx − yk2 = kxk2 + kyk2 − 2(x|y),
kx + yk2 − kx − yk2 = 4(x|y),
kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ).
La dernière formule est la formule du parallélogramme ou formule de la médiane.

Les seconde, troisième et quatrième formules sont des formules de polarisation.
Théorème de Pythagore : (x|y) = 0 ⇐⇒ kx + yk2 = kxk2 + kyk2 .
2.4 Inégalités de Cauchy-Schwarz et de Minkowski

Inégalité de Cauchy-Schwarz : ∀(x, y) ∈ E 2 |(x|y)| ≤ kxkkyk,
avec égalité si et seulement si x et y sont colinéaires.
Inégalité de Minkowski, ou inégalité triangulaire : ∀(x, y) ∈ E 2 kx + yk ≤ kxk + kyk,
avec égalité ssi x et y sont positivement colinéaires, i.e y = 0 ou il existe k ∈ R+ tel que x = ky.
Théorème. La norme associée au produit scalaire d’un espace préhilbertien est bien une norme.
3 Espaces vectoriels normés de dimensions finies

Notation. K désigne R ou C.
Propriété. Suites à valeurs dans un espace de dimension finie. On suppose que E est un
K-espace vectoriel de dimension finie, muni d’une base e = (e1 , . . . , eq ). Soit (xn ) une suite de vecteurs
Xq
de E. Pour tout n ∈ N, on note xn = xi,n ei . Alors, la suite (xn ) converge dans E si et seulement
i=1
q
X
si, pour tout i ∈ Nq , la suite (xi,n ) converge dans K, et, dans ce cas, lim xn = ( lim xi,n )ei .
n→+∞ n→+∞
i=1
Propriété. Limite d’une application à valeurs dans un espace de dimension finie. Sup-
posons que F est un K-espace vectoriel de dimension finie dont une base est (e1 , . . . , eq ) et notons
f : E −→ F q
q X
X . Soient A une partie de Df , a ∈ A et l = li e i ∈ F .
x 7−→ f (x) = fi (x)ei
i=1
i=1

168
Semaine 32 : Résumé de cours 4 Orthogonalité
Alors, f (x) −→
x→a
l si et seulement si pour tout i ∈ Nq , fi (x) −→ l.
x→a i
x∈A x∈A
Propriété. Continuité en un point d’une application à valeurs dans un espace de dimen-

sion finie. Supposons que F est un K-espace vectoriel de dimension finie dont une base est (e1 , . . . , eq )
f : E −→ F
Xq
et notons . Soit a ∈ Df .
x 7−→ f (x) = fi (x)ei
i=1
Alors, f est continue en a si et seulement si pour tout i ∈ Nq , fi est continue en a.
Théorème.
Les parties compactes d’un espace vectoriel de dimension finie sont exactement ses fermés bornés.
Théorème de Bolzano-Weierstrass.
De toute suite bornée de vecteurs d’un K-espace vectoriel de dimension finie, on peut extraire une
sous-suite convergente.
Théorème. Tout K-espace vectoriel de dimension finie est complet.
Propriété. Soit G un K-espace vectoriel normé de dimension finie ou infinie. Tout sous-espace
vectoriel de G de dimension finie est fermé.
Théorème.
Sur un K-espace vectoriel de dimension finie, toutes les normes sont équivalentes.
Théorème. Toute application linéaire dont l’ensemble de départ est de dimension finie est continue.
Théorème. Une application p-linéaire est toujours continue lorsqu’elle est définie sur le produit
cartésien de p K-espaces vectoriels de dimensions finies.
Propriété. Les applications polynomiales de Kn dans K, dépendant de n variables, sont continues.
Si E est un K-espace vectoriel de dimension finie et si e est une base de E, lorsque f : E −→ K
est telle que f (x) dépend polynomialement des coordonnées du vecteur x dans la base e, alors f est
continue.
4 Orthogonalité
Notation. E est un espace préhilbertien. Son produit scalaire est noté < ., . >.
4.1 Orthogonalité en dimension quelconque

Définition. Soit (x, y) ∈ E 2 . x et y sont orthogonaux ssi < x, y >= 0. On note x⊥y.
Définition. Si A ⊂ E, A⊥ = {x ∈ E/∀y ∈ A x⊥y} : l’orthogonal de A est l’ensemble des vecteurs
de E qui sont orthogonaux à tous les vecteurs de A.
Exemple. Si a ∈ E \ {0}, a⊥ est un hyperplan.
Propriété. Soit A une partie de E. Alors A⊥ est un sous-espace vectoriel de E.
Définition. Soient A et B deux parties de E. On dit qu’elles sont orthogonales si et seulement si
tout vecteur de A est orthogonal à tout vecteur de B : A⊥B ⇐⇒ [∀(a, b) ∈ A × B, a⊥b].
Propriété. Soient A et B deux parties de E. A⊥B ⇐⇒ A ⊂ B ⊥ ⇐⇒ B ⊂ A⊥ .
Propriété. A ⊆ B =⇒ B ⊥ ⊆ A⊥ , (A ∪ B)⊥ = A⊥ ∩ B ⊥ , A⊥ = (Vect(A))⊥ et A ⊆ (A⊥ )⊥ .
Remarque. Si F et G sont deux sous-espaces vectoriels, (F + G)⊥ = F ⊥ ∩ G⊥ ,
mais en général, (F ∩ G)⊥ 6= F ⊥ + G⊥ et F ⊥⊥ 6= F .

169
Semaine 33 – Orthogonalité en dimension finie, distance à un espace vectoriel, Gram-Schmidt, endomor-
phismes (symétriques, orthogonaux) d’un espace euclidien, groupe orthogonal, rotations, orientation d’un
espace vectoriel réel, géométrie plane, isométries vectorielles
Semaine 33 (du 8 au 12 juin) :

Résumé de cours
Espaces préhilbertiens
1 Orthogonalité
1.1 Orthogonalité en dimension quelconque (suite)
Propriété. {0}⊥ = E et E ⊥ = {0}.

Définition. (xi )i∈I ∈ E I est orthogonale si et seulement si : ∀(i, j) ∈ I 2 , (i 6= j =⇒ xi ⊥xj ).
Elle est orthonormale si et seulement si : ∀(i, j) ∈ I 2 , < xi , xj >= δi,j .
Relation de Pythagore : Si (x1 , . . . , xn ) une famille orthogonale de vecteurs de E,
n
X n
X
k xi k2 = kxi k2 . Lorsque n ≥ 3, la réciproque est fausse.
i=1 i=1
Propriété. Une famille orthogonale sans vecteur nul est libre.

En particulier, une famille orthonormale est toujours libre.
Propriété.
X Supposons queX E admet une base orthonormée notée (ei )i∈I .
Si x = αi ei ∈ E et y = βi ei ∈ E, alors
i∈I i∈I
X X X
< x, y >= 2
αi βi , kxk = αi2 et x = < ei , x > ei .
i∈I i∈I i∈I
Propriété. Supposons que E est muni d’une base e = (ei )i∈I .

Alors il existe un unique produit scalaire sur E pour lequel e est une base orthonormée.
Propriété. Soient n ∈ N∗ et (Ei )1≤i≤n une famille de n sous-espaces vectoriels de E deux à deux
M⊥ ⊥
M ⊥
M
orthogonaux. Alors ils forment une somme directe que l’on note E1 ··· En = Ei .
1≤i≤n
Définition. Soient F et G deux sous-espaces vectoriels de E.

⊥
G est un supplémentaire orthogonal de F si et seulement si E = F ⊕ G.
Propriété. Soit F un sous-espace vectoriel de E. F admet au plus un supplémentaire orthogonal.

⊥
Il s’agit de F ⊥ . Il est cependant possible que F ⊕ F ⊥ 6= E.
1
170
1.2 En dimension finie

E −→ L(E, R)
Propriété. Si E est de dimension finie, l’application est un isomorphisme.
x 7−→ < x, . >
Théorème. On ne suppose pas que E est de dimension finie. Si F est un sous-espace vectoriel de
dimension finie de E, alors F ⊥ est l’unique supplémentaire orthogonal de F . De plus F = (F ⊥ )⊥ .
Définition. Un espace euclidien est un espace préhilbertien de dimension finie.
Hypothèse : jusqu’à la fin du paragraphe, E est supposé euclidien de dimension n > 0.
Propriété. Si F et G sont deux sous-espaces vectoriels de E, alors (F ∩ G)⊥ = F ⊥ + G⊥ .
Propriété. Si F est un sous-espace vectoriel de E, alors dim(F ⊥ ) = dimE − dimF .
Propriété. Soit e une base orthonormée de E. Soient x, y ∈ E dont les coordonnées dans la base e
sont données sous forme de vecteurs colonnes notés X et Y . Alors < x, y >=t Y X =t XY.
Remarque. Si e est une base orthonormée de E, pour tout u ∈ L(E), pour tout i, j ∈ Nn ,
[mat(u, e)]i,j = hei , u(ej )i.
La fin de ce paragraphe est hors programme.
Définition. La matrice du produit scalaire dans la base e est égale à
mat(< ., . >, e) = (< ei , ej >) 1≤i≤n ∈ Mn (R).

1≤j≤n
Propriété. e est orthogonale si et seulement si mat(< ., . >, e) est diagonale.

e est orthonormée si et seulement si mat(< ., . >, e) = In .
Formule. Soit e une base quelconque de E. On note Ω la matrice de < ., . > dans la base e. Soient x
et y deux vecteurs de E, dont les coordonnées dans e sont données sous la forme des vecteurs colonnes
X et Y de Rn . Alors X
< x, y >= t XΩY = t Y ΩX = xi yj ωi,j .
1≤i≤n
1≤j≤n

Définition. Soit E un K-espace vectoriel de dimension finie, muni d’une base
e = (e1 , . . . , en ) et soit ϕ une forme bilinéaire sur E.
La matrice de ϕ dans la base e est mat(ϕ, e) = (ϕ(ei , ej ))1≤i,j≤n ∈ Mn (K).
Pour tout x, y ∈ E, en posant X = mate (x) et Y = mate (y), ϕ(x, y) = t XΩY .
ϕ est symétrique si et seulement si Ω ∈ Sn (K).
1.3 Distance d’un vecteur à un sous-espace vectoriel

L ⊥
Définition. Soit F un sous-espace vectoriel de E tel que F F = E. La projection orthogonale
sur F est la projection sur F parallèlement à F ⊥ . Dans ce chapitre, elle est notée pF .
Remarque. Pour tout x ∈ E, x − pF (x) = pF ⊥ (x) ∈ F ⊥ .
Formule. Soit F un sous-espace vectoriel de dimension finie de E, muni d’une base orthonormée
n
X
e = (e1 , . . . , en ). Alors, pour tout x ∈ E, pF (x) = < ei , x > ei .
i=1

171
Théorème de la projection orthogonale :

Soient a ∈ E et F un sous-espace vectoriel de dimension finie de E. Alors, d(a, F ) = d(a, pF (a)).
Pour tout y ∈ F \ {pF (a)}, d(a, y) > d(a, F ). kak2 = kpF (a)k2 + d(a, F )2 .
n
X
Si (e1 , . . . , en ) est une base orthonormée de F , kak2 ≥ < ei , a >2 : inégalité de Bessel.
i=1
Propriété. Soit a ∈ E \ {0}. On pose H = a⊥ . H est un hyperplan dont a est un vecteur normal.
hx, ai
Pour tout x ∈ E, pH (x) = x − a et, en notant sH la symétrie orthogonale par rapport à H,
kak2
hx, ai
sH (x) = x − 2 a.
kak2
Propriété. On suppose que E est de dimension finie n ≥ 1. Soit H un hyperplan affine de E, passant
par un point A et dirigé par l’hyperplan vectoriel H : Si →
−
n est un vecteur non nul de H ⊥ , on dit que
−−→
→
− |<→ −
n , AM > |
n est un vecteur normal à H. Dans ce cas, pour tout M ∈ E d(M, H) = .
k→
−nk
X n
Si H a pour équation cartésienne αi xi = c dans un repère orthonormé, pour tout M ∈ E,
i=1
n
X
| αi xi − c|
i=1
d(M, H) = v , où (x1 , . . . , xn ) sont les coordonnées de M dans le repère.
uX
u n 2
t αi
i=1
1.4 Procédé d’orthonormalisation de Gram-Schmidt
Théorème. Orthonormalisation de Gram-Schmidt.

Soient n ∈ N∗ et (xk )k∈{1,...,n} une famille libre de vecteurs de E. Alors il existe une unique famille
orthonormale de vecteurs (ek )k∈{1,...,n} telle que, pour tout k ∈ {1, . . . , n},
i) ek ∈ Vect(x1 , . . . , xk )
ii) et < ek , xk >∈ R∗+ .
k−1
X
Ek
De plus, la famille (ek )k∈{1,...,n} est définie par ek = , où Ek = xk − < ei , xk > ei .
kEk k i=1
Interprétation matricielle du procédé de Gram-Schmidt.
Soient n ∈ N∗ et x = (xk )k∈{1,...,n} une base de E.
Alors il existe une unique base orthonormée e = (e1 , . . . , en ) de E telle que la matrice de passage de
e vers x est triangulaire supérieure, ses coefficients diagonaux étant de plus strictement positifs.
Propriété. Si E est euclidien, il admet au moins une base orthonormée.
Toute une famille orthonormale de E peut être complétée en une base orthonormale de E.
Théorème. Orthonormalisation de Gram-Schmidt pour une famille infinie
Soient (xk )k∈N∗ une famille libre de vecteurs de E. Alors il existe une unique famille orthonormale
de vecteurs (ek )k∈N∗ telle que, pour tout k ∈ N∗ ,
i) ek ∈ Vect(x1 , . . . , xk )
ii) et < ek , xk >∈ R∗+ .

172
Semaine 33 : Résumé de cours 2 Endomorphismes d’un espace euclidien E
Xk−1
Ek
De plus, la famille (ek )k∈N∗ est définie par : ek = , où Ek = xk − < ei , xk > ei .
kEk k i=1
2 Endomorphismes d’un espace euclidien E

2.1 Endomorphismes symétriques
Définition. u ∈ L(E) est symétrique ssi ∀(x, y) ∈ E 2 , < u(x), y >=< x, u(y) >.
Propriété. Soient e une base orthonormée de E et u ∈ L(E).
Alors u est symétrique si et seulement si mat(u, e) est symétrique.
Notation. S(E) est l’ensemble des endomorphismes symétriques de E.
C’est un sous-espace vectoriel de L(E).
Propriété. Une projection est un endomorphisme symétrique ssi c’est une projection orthogonale.
Propriété. Une symétrie est un endomorphisme symétrique ssi c’est une symétrie orthogonale.
Propriété. Si u ∈ S(E) et si F est un sous-espace vectoriel stable par u, alors F ⊥ est stable par u.
Vous verrez en seconde année le
Théorème spectral : Si u ∈ S(E), il existe au moins une base orthonormée de vecteurs propres de
u. On dit que u est diagonalisable en base orthonormée.
2.2 Groupe orthogonal.

2.2.1 Caractérisations d’un automorphisme orthogonal.
Définition. Soit u ∈ L(E). On dit que u est un automorphisme orthogonal ou une isométrie
vectorielle si et seulement si l’une des propriétés suivantes est vérifiée.
— conservation du produit scalaire : ∀x, y ∈ E, < u(x), u(y) >=< x, y > ;
— conservation de la norme : ∀x ∈ E, ku(x)k = kxk.
— si e est une base orthonormée de E, en posant M = mat(u, e),
M inversible et M −1 = t M .
Notation. On note O(E) l’ensemble des automorphismes orthogonaux de E.
Propriété. O(E) est un sous-groupe de (GL(E), ◦). On l’appelle le groupe orthogonal de E.
Propriété. Si u ∈ O(E), SpR (u) ⊂ {1, −1}.
Propriété. Soit u ∈ O(E). Si F est un sous-espace vectoriel stable par u, F ⊥ est stable par u.
2.2.2 Les rotations.
Propriété. Si u ∈ O(E), alors det(u) ∈ {−1, 1}, mais la réciproque est fausse.
Définition. Soit u ∈ O(E). On dit que u est une rotation si et seulement si det(u) = 1.
u est une isométrie vectorielle indirecte ou négative si et seulement si det(u) = −1.
Propriété. L’ensemble des rotations de E, noté SO(E), est un sous-groupe de O(E), appelé groupe
spécial orthogonal . L’ensemble des isométries indirectes de E est noté O− (E) = O(E) \ SO(E). Il
n’a pas de structure particulière.

173
Semaine 33 : Résumé de cours 2 Endomorphismes d’un espace euclidien E
2.2.3 Les symétries orthogonales
Propriété. La symétrie par rapport à F parallèlement à G (où F ⊕ G = E) est un automorphisme

orthogonal si et seulement si c’est une symétrie orthogonale (ie : G = F ⊥ ).
Propriété. Soit F un sous-espace vectoriel de E. Notons s la symétrie orthogonale par rapport à
F . s ∈ SO(E) si et seulement si dim(E) − dim(F ) est paire.
En particulier, si F est un hyperplan, s ∈ O− (E) et, dans ce cas, s est appelée une réflexion,
et si dim(F ) = dim(E) − 2, s est une rotation, et dans ce cas, s est appelée un retournement.
Définition. On dit que deux sous-espaces vectoriels F et G de E sont perpendiculaires lorsque F ⊥
et G⊥ sont orthogonaux, c’est-à-dire lorsque G⊥ ⊂ F .
2.2.4 Matrices orthogonales.
Propriété. Soit M ∈ Mn (R). C’est une matrice orthogonale si et seulement si l’une des propriétés
suivantes est vérifiée.
— t M M = In ;
— M t M = In ;
— M est inversible et M −1 =t M .
Propriété. L’ensemble des matrices orthogonales est un sous-groupe de GLn (R) appelé le groupe
orthogonal de degré n et noté O(n).
Propriété. Pour tout M ∈ O(n), det(M ) ∈ {−1, 1}.
Définition. Les matrices orthogonales de déterminant égal à 1 sont appelées les matrices de
rotations. Les matrices orthogonales de déterminant égal à -1 sont appelées les matrices orthogonales
gauches ou indirectes. L’ensemble des matrices de rotations est un sous-groupe de O(n), appelé groupe
spécial orthogonal de degré n et noté SO(n). L’ensemble des matrices orthogonales indirectes est
noté O− (n) = O(n) \ SO(n). Il n’a pas de structure particulière.
Propriété. M ∈ O(n) si et seulement si la famille de ses vecteurs colonnes (ou de ses vecteurs lignes)
est orthonormale dans Rn muni de son produit scalaire canonique.
Propriété. Soient e une base orthonormée de E et e0 une base quelconque de E.
e0 est orthonormée si et seulement si la matrice de passage de e à e0 est orthogonale.
Propriété. Soient u ∈ L(E) et e une base orthonormée de E.
— u ∈ O(E) ;
— mat(u, e) ∈ O(n) ;
— u(e) est une base orthonormée.
Propriété. (Hors programme) Dans une matrice orthogonale droite, chaque coefficient est égal à son
cofacteur. Dans une matrice orthogonale gauche, chaque coefficient est l’opposé de son cofacteur.
Propriété. Si M ∈ Sn (R), il existe P ∈ O(n) et D diagonale telles que M = P DP −1 = P Dt P .
2.2.5 Orientation d’un espace vectoriel réel.

Dans ce paragraphe, E est un R-espace vectoriel de dimension finie n > 0, pour le moment non muni
d’une structure euclidienne.
0
Notation. B étant l’ensemble des bases de E, on convient que ∀(e, e0 ) ∈ B 2 , eRe0 ⇐⇒ det(Pee ) > 0.
Propriété. R est une relation d’équivalence sur B.

174
Semaine 33 : Résumé de cours 3 Géométrie plane
B/R est formé de deux éléments qui sont appelés les orientations de E.
“Orienter E”, c’est choisir l’une de ces deux orientations qui devient l’ensemble des bases directes.
Hypothèse : jusqu’à la fin de ce chapitre, on suppose que E est un espace euclidien orienté de
dimension n > 0.
Définition. Soit D une droite vectorielle incluse dans E que l’on oriente en choisissant un vecteur
→
−
unitaire k ∈ D. “Orienter l’hyperplan D⊥ par le vecteur ~k de D”, c’est choisir comme orientation de
D⊥ l’ensemble des bases (e1 , . . . , en−1 ) de D⊥ telles que (e1 , . . . , en−1 , ~k) est une base directe de E.
Propriété. Soient e et e0 deux bases orthonormées de E. On suppose que e est directe.
0
Alors e0 est directe si et seulement si Pee ∈ SO(n).
Propriété. Soient u ∈ L(E) et e une base orthonormée directe de E.
— u ∈ SO(E) ;
— mat(u, e) ∈ SO(n) ;
— u(e) est une base orthonormée directe.
2.2.6 Produit mixte.
Dans tout ce paragraphe, E désigne un espace euclidien orienté de dimension n > 0.

Définition. Soit (x1 , . . . , xn ) ∈ E n . Le produit mixte de (x1 , . . . , xn ) est dete (x1 , . . . , xn ), où e est
une base orthonormée directe quelconque de E. Il est noté det(x1 , . . . , xn ) ou encore [x1 , . . . , xn ].
Remarque.
Si on change l’orientation de l’espace E, le produit mixte est changé en son opposé.
Propriété.
−−→ −−→
On suppose que n = 2. L’aire d’un parallélogramme ABCD vaut |det(AB, AD)|.
Propriété. On suppose que n = 3. Le volume d’un parallélépipède dont les côtés correspondent aux
vecteurs u, v, et w vaut |det(u, v, w)|.
3 Géométrie plane
Notation. E est un plan euclidien orienté dont (~ı, ~) est une base orthonormée.
Pour tout α ∈ R, on notera uα = cos(α)~ı + sin(α)~.
3.1 Le groupe orthogonal de degré 2
Propriété.

cos θ − sin θ cos θ sin θ
SO(2) = Rθ = / θ ∈ R . O (2) = Sθ =
−
/θ∈R .
sin θ cos θ sin θ − cos θ
Propriété. En identifiant R2 avec le plan complexe C,
— l’endomorphisme rθ canoniquement associé à Rθ est la similitude directe
z 7−→ eiθ z, c’est-à-dire la rotation de centre 0 et d’angle θ ;
— l’endomorphisme sθ canoniquement associé à Sθ est la similitude indirecte
θ
z 7−→ eiθ z, c’est-à-dire la réflexion par rapport à la droite Rei 2 .

175
Semaine 33 : Résumé de cours 3 Géométrie plane

cos α cos(θ + α) cos α cos(θ − α)
Formule. Pour tout (θ, α) ∈ R2 , Rθ = et Sθ = .
sin α sin(θ + α) sin α sin(θ − α)
Formules : Rθ Rϕ = Rθ+ϕ , Rθ Sϕ = Sθ+ϕ , Sθ Sϕ = Rθ−ϕ , Sθ Rϕ = Sθ−ϕ .
Formule. Pour tout (θ, ϕ) ∈ R2 , Sθ−1 = Sθ et Sα−1 Rθ Sα = R−θ .
(R, +) −→ (SO(2), ×)
Propriété. L’application est un morphisme surjectif de groupes. On en
θ 7−→ Rθ
déduit que (SO(2), ×) est un groupe commutatif.
Propriété. L’application Rθ 7−→ eiθ est un isomorphisme entre les groupes (SO(2), ×) et U.
3.2 Les isométries vectorielles du plan
Propriété. Soient s ∈ O− (E). Il existe θ ∈ R tel que mat(s, e) = Sθ . s est la réflexion par rapport à
la droite vectorielle Ru θ . Ainsi, les éléments de O− (E) sont les réflexions de E.
2
Définition. On suppose que E est orienté. Soit r ∈ SO(E). La matrice Rθ de r dans une base
orthonormée directe de E ne dépend pas du choix de cette base. θ est appelé l’angle de la rotation r,
déterminé à 2π près. Si on change d’orientation, cette mesure est changée en son opposé.
3.3 Un résultat sur les similitudes (hors programme)
Propriété. Soit E un espace euclidien et f : E −→ E une application telle que f (0) = 0 et pour
tout x, y ∈ E, kf (x) − f (y)k = kx − yk. Alors f est un automorphisme orthogonal.
Corollaire. Une application f : C −→ C est une similitude si et seulement si il existe λ ∈ R∗+ tel
que : ∀z, z 0 ∈ C, |f (z) − f (z 0 )| = λ|z − z 0 |.

176
Semaine 34 – Angles, droites affines, géométrie dans l’espace, produit vectoriel, ensembles dénombrables et
familles sommables, théorèmes de Fubini

Résumé de cours
Espaces préhilbertiens (fin)

1 Géométrie plane (suite)
1.1 Angles
Notation. E désigne un plan euclidien orienté.

Définition. Soient x et y deux vecteurs non nuls de E. L’angle orienté des vecteurs x et y est l’angle
x y [ < x, y > [ det(x, y)
de l’unique rotation qui transforme en . cos (x, y) = et sin (x, y) = .
kxk kyk kxkkyk kxkkyk
Propriété. Les xi désignant des vecteurs non nuls de E, on a les formules suivantes :
Relation de Chasles : (x\ \ \
1 , x2 ) + (x2 , x3 ) = (x1 , x3 ).
\ \
(x2 , x1 ) = −(x1 , x2 ).
(x\ \
1 , x2 ) = 0 ⇐⇒ R+ x1 = R+ x2 et (x1 , x2 ) = π ⇐⇒ R+ x1 = R− x2 .
Si r est une rotation, (r(x\ \
1 ), r(x2 )) = (x1 , x2 ).
Si s est une réflexion, (s(x\ \
1 ), s(x2 )) = −(x1 , x2 ).
Définition. E est un espace préhilbertien

quelconque.
L’angle non orienté ou écart angulaire des
[ < x, y >
vecteurs x, y ∈ E est (x, y) = arccos ∈ [0, π].
kxkkyk
— Lorsque (x,[ y) ∈]0, π2 [, cet angle est dit aigu ;
— Lorsque (x,[ y) ∈] π , π[, cet angle est dit obtus ;
2
[
— Lorsque (x, y) = π2 (i.e lorsque x⊥y), on dit que c’est un angle droit ;
[
— Lorsque (x, y) ∈ {0, π}, on dit que c’est un angle plat :
1.2 Les droites affines du plan usuel

On se place dans un plan affine E euclidien orienté.
Propriété. Les droites affines de E ont pour équation : ux + vy + w = 0, où (u, v) 6= 0.
Le vecteur de coordonnées (u, v) est orthogonal à la droite.
Les droites non parallèles à ~ admettent une équation de la forme y = px + q, p étant appelé la pente
de la droite.
Propriété. La droite passant par le point de coordonnées (x0 , y0 ) et orthogonale au vecteur (u, v) a
pour équation u(x − x0 ) + v(y − y0 ) = 0.
1
177
Semaine 34 : Résumé de cours 2 Géométrie dans l’espace
Propriété. La droite passant par le point de coordonnées (x0 , y0 ) et dirigée par le vecteur (u, v) a
u x − x0
pour équation −v(x − x0 ) + u(y − y0 ) = 0 = .
v y − y0
Propriété. La droite passant par les points (supposés distincts) de coordonnées (x0 , y0 ) et (x1 , y1 )
x − x0 x1 − x0
a pour équation = 0.
y − y0 y1 − y0
2 Géométrie dans l’espace
E est un espace euclidien orienté de dimension 3 et E est un espace affine de direction E. On dit que
E est l’espace usuel. On fixe un repère de E, noté R = (O, e), où e une base orthonormée directe de
E, notée e = (~ı, ~, ~k) ou e = (e1 , e2 , e3 ) selon les cas.
2.1 Le produit vectoriel (hors programme).
Définition. Si a, b ∈ E, a ∧ b est l’unique vecteur de E tel que ∀x ∈ E det(a, b, x) =< a ∧ b, x > .

Propriété. L’application (a, b) 7−→ a ∧ b est bilinéaire et antisymétrique.
Propriété. Soit (a, b) ∈ E 2 . (a, b) est un système lié si et seulement si a ∧ b = 0.
Propriété. Soit a et b deux vecteurs indépendants entre eux.
Alors a ∧ b est un vecteur orthogonal à a et b tel que (a, b, a ∧ b) est une base directe de l’espace. De
plus ka ∧ bk = kakkbk sin φ, où φ est l’angle non orienté entre a et b.
Formule. Identité de Lagrange : Pour tout (a, b) ∈ E 2 , < a, b >2 +ka ∧ bk2 = kak2 kbk2 .
Propriété. e1 ∧ e2 = e3 e2 ∧ e3 = e1 e3 ∧ e1 = e2 .
α2 β2
α1 β1 α3 β3
α β1
Formule. Si a = α2 et b = β2 alors a ∧ b = − 1 .
α3 β3
α3 β3
e e α1 β1
e α2 β2
2.2 Equation d’un plan
Propriété. Les plans affines de E ont pour équation : ux + vy + wz + t = 0, où (u, v, w) 6= 0.

Le vecteur de coordonnées (u, v, w) est orthogonal (on dit aussi normal) au plan.
La direction du plan est le plan vectoriel d’équation ux + vy + wz = 0.
Propriété. Deux plans de E d’équations ux+vy +wz +t = 0 et u0 x+v 0 y +w0 z +t0 = 0 sont parallèles
si et seulement si les vecteurs normaux de coordonnées (u, v, w) et (u0 , v 0 , w0 ) sont colinéaires, donc si
u u0
et seulement si v ∧ v 0 = 0.
0
e w e w
Propriété. Le plan passant par le point de coordonnées (x0 , y0 , z0 ) et orthogonal au vecteur (u, v, w)
a pour équation u(x − x0 ) + v(y − y0 ) + w(z − z0 ) = 0.

178
Semaine 34 : Résumé de cours 3 Ensembles dénombrables
Propriété. Le plan passant par le point de coordonnées (x0 , y0 , z0 ) et dirigé par deux vecteurs
x − x0 u u 0
indépendants de coordonnées (u, v, w) et (u0 , v 0 , w0 ) a pour équation cartésienne y − y0 v v 0 = 0.
z − z0 w w0
2.3 Système d’équations d’une droite
Propriété.
Une droite affine de E admet un système d’équations de la forme :
ux + vy + wz + t =0
0 0 0 0 , où ux + vy + wz + t = 0 et u0 x + v 0 y + w0 z + t0 = 0 sont les équations
ux+v y+w z+t =0
u u0
de deux plans affines non parallèles. Cette droite est dirigée par le vecteur v ∧ v0 .
0
e w e w
2.4 Le groupe orthogonal en dimension 3
Théorème. Réduction des matrices orthogonales :

On suppose ici que E est un espace euclidien de dimension n ≥ 1.
Si u ∈ O(E), il existe une base orthonormale B de E telle que
 
Ik1 0 ... ... 0
 0 −Ik2 0 ... 0 
 .. . 
 
mat(u, B) =  0 0 τ1 . .. 
 . .. .. .. 
 . . . . 0
.
0 ... . . . 0 τp

cos θi − sin θi
où τi = avec sin θi 6= 0 et k1 + k2 + 2p = n.
sin θi cos θi
Notation. Soient ω un vecteur non nul de E et θ ∈ R. On désigne par r(ω, θ) l’unique rotation de
E qui laisse invariant ω et qui induit sur le plan ω ⊥ , orienté selon le vecteur ω, la rotation d’angle θ.
 non nul de E etθ ∈ R. Il existe une base orthonormée directe e de

Propriété. Soient ω un vecteur
cos θ − sin θ 0
E telle que mat(r(ω, θ), e) =  sin θ cos θ 0 . Plus précisément, on peut choisir e = (i, j, k) où
0 0 1
ω
(i, j) est une base orthonormée directe du plan ω ⊥ , orienté selon le vecteur ω et où k = .
kωk
Théorème. Si r ∈ SO(E), il existe ω ∈ E \ {0} et θ ∈ R tels que r = r(ω, θ).
Remarque. Si r ∈ SO(E), on obtient ω tel que r = r(ω, θ), en étudiant l’équation r(x) = x,
c’est-à-dire en recherchant les vecteurs propres pour la valeur propre 1. De plus, Tr(r) = 1 + 2 cos θ .
Remarque. Soit u ∈ O− (E). det(−u) = (−1)3 det(u) = 1, donc −u ∈ SO(E).

Ainsi, on peut décrire géométriquement une isométrie indirecte, en déterminant
ω ∈ E \ {0} et θ ∈ R tels que u = −r(ω, θ).

179
Semaine 34 : Résumé de cours 4 Familles sommables de réels positifs
Ensembles dénombrables et familles

sommables
3 Ensembles dénombrables
Définition. Un ensemble est dénombrable si et seulement s’il est en bijection avec N.
Propriété. Toute partie infinie de N est dénombrable.
Propriété. On dit qu’un ensemble est au plus dénombrable si et seulement si il est fini ou dénombrable.
Un ensemble est au plus dénombrable si et seulement s’il est en bijection avec une partie de N.
Lemme technique : Un ensemble I est fini ou dénombrable si et seulement s’il existe une suite
croissante (Jn )n∈N de parties finies de I dont la réunion est égale à I.
Dans ce cas, on dira que (Jn )n∈N est une suite adaptée à I.
Corollaire. Z, N × N et Q sont dénombrables.
Exercice. Montrer que Q[X] est dénombrable.
Solution. À connaı̂tre.
Propriété. Une réunion au plus dénombrable d’ensembles au plus dénombrables est au plus dénombrable.
Propriété. Un produit cartésien fini d’ensembles dénombrables est dénombrable.
Propriété. R n’est pas dénombrable.
Propriété. Hors programme : P(N) n’est pas dénombrable.
4 Familles sommables de réels positifs

Notation. Pour tout ce paragraphe, on fixe un ensemble I.
On fixe également une famille u = (ui )i∈I ∈ RI+ de réels positifs indexée par I.
X X
Définition. On pose ui = sup ui ∈ R+ ∪ {+∞} .
J∈P(I)
i∈I J finie i∈J
X
Définition. La famille u est sommable si et seulement si ui < +∞, c’est-à-dire si et seulement si
i∈I
X
il existe M ≥ 0 tel que, pour toute partie finie J de I, ui ≤ M .
i∈J
Propriété. Si (ui )i∈I est sommable, alors {i ∈ I/ui 6= 0} est au plus dénombrable.
Remarque. Pour toute la suite, I est supposé au plus dénombrable.
Propriété. Soient v = (vi )i∈I et w = (wi )i∈I deux familles de réelsXpositifsX
telles que, pour tout
i ∈ I, vi ≤ wi . Si w est sommable, alors v est également sommable et vi ≤ wi
i∈I i∈I
Propriété. Lorsque v = (vi )i∈I et w = (wi )i∈I sont deux familles

X deX
réels positifs telles que, pour
tout i ∈ I vi ≤ wi , on peut toujours écrire que, dans [0, +∞], vi ≤ wi .
i∈I i∈I
Propriété. Soit (Jn )n∈N une suite adaptée à I. Les propriétés suivantes sont équivalentes :

180
Semaine 34 : Résumé de cours 5 Familles sommables de complexes
— (ui )i∈I est

X sommable.

— La suite ui est majorée.
n∈N
i∈J
Xn
— La suite ui est convergente dans R+ .
n∈N
i∈Jn
X X X
De plus, dans ce cas, ui = sup ui = lim ui .
n∈N n→+∞
i∈I i∈Jn i∈Jn
P
Propriété. Lorsque I = N, (un ) ∈ RN
+ est sommable si et seulement si un est convergente et dans
X +∞
X
ce cas, un = un .
n∈N n=0
Théorème. Supposons que I est dénombrable et soit ϕ une bijection de N dans I.

X +∞
X
P
(ui )i∈I est sommable si et seulement si uϕ(n) est convergente et dans ce cas, ui = uϕ(n) .
i∈I n=0
Propriété de linéarité : Si (vi )i∈I et (wi )i∈I sont deux familles

X sommables de Xréels positifs,
X alors
pour tout α ∈ R+ , (αvi + wi )i∈I est sommable. Dans ce cas, (αvi + wi ) = α vi + wi .
i∈I i∈I i∈I
R+ ∪ {+∞}.
Convention : Soit (ui )i∈I une famille d’éléments deX
S’il existe i0 ∈ I tel que ui0 = +∞, on convient que ui = +∞.
i∈I
Convention : lorsqu’on travaille dans R+ ∪ {+∞}, on utilise la convention 0 × (+∞) = 0.

On convient aussi, mais c’est plus universel, que pour tout x ∈ R∗+ , x × (+∞) = +∞.
Propriété. Soit (vi )i∈I X
et (wi )i∈I deux familles
X d’éléments
X de R+ ∪ {+∞} et soit α ∈ R+ ∪ {+∞}.
Alors, dans tous les cas, (αvi + wi ) = α vi + wi .
i∈I i∈I i∈I
5 Familles sommables de complexes

Notation. I désigne un ensemble au plus dénombrable et (Jn )n∈N est une suite adaptée à I.
On fixe une famille u = (ui )i∈I de complexes.
Définition. (ui )i∈I est sommable si et seulement si la famille (|ui |)i∈I est sommable dans R+ .
X
Ainsi, (ui )i∈I est sommable si et seulement si |ui | < +∞ .
i∈I
−
Propriété. Supposons que tous les ui sont réels. On pose u+
i = max(ui , 0) et ui = max(−ui , 0). :
+ − + − + −
ui = ui − ui et |ui | = ui + ui .X(ui )i∈I X
est sommable
X si et seulement si (ui )i∈I et (ui )i∈I sont
sommables. Dans ce cas, on pose ui = u+i − u−
i .
i∈I i∈I i∈I
Propriété. Supposons que les ui sont complexes. Alors Re(u) = (Re(uk ))k∈I et Im(u) = (Im(uk ))k∈I
sont à valeurs dans R.
Xu est sommable
X si et X
seulement si Re(u) et Im(u) sont sommables et dans ce
cas, on convient que uk = Re(uk ) + i Im(uk ),
k∈I k∈I k∈I
X X
Propriété. ∀(ui )i∈I ∈ CI , ui = lim uj .
n→+∞
i∈I j∈Jn

181
Semaine 34 : Résumé de cours 6 Propriétés des familles sommables

X X
Inégalité triangulaire : si u est sommable, alors ui ≤ |ui |.
i∈I i∈I
P
Propriété. Lorsque I = N, une suite (un )n∈N est sommable si et seulement si la série un est
X +∞
X
absolument convergente. Dans ce cas, un = un .
n∈N n=0
X X
Propriété. Lorsque I = Z, (un )n∈Z est sommable si et seulement si les séries un et u−n sont
n≥0 n≥0
X +∞
X +∞
X
absolument convergentes et dans ce cas un = u−n + un .
n∈Z n=1 n=0
6 Propriétés des familles sommables

Notation. I désigne un ensemble au plus dénombrable et (Jn )n∈N est une suite adaptée à I.
6.1 Linéarité
Propriété de linéarité : soit a = (ai )i∈I et b = (bi )i∈I deux familles

X sommables de Xcomplexes
X et
soit α ∈ C. Alors la famille αa + b = (αai + bi )i∈I est sommable et (αai + bi ) = α ai + bi .
i∈I i∈I i∈I
Propriété. Soit (ui )i∈I ∈ RI+ et (vi )i∈I ∈ CI . Si pour tout i ∈ I, |vi | ≤ ui et si (ui ) est sommable,
X X
alors (vi ) est sommable et vi ≤ ui .
i∈I i∈I
Notation. l∞ (I, K)est l’ensemble

n des familles (ui )i∈I bornées
o de réels,
X
p
et pour p ∈ [1, +∞[, l (I, K) = (ui )i∈I /
p
|ui | < +∞ .
i∈I
Propriété. l (I, K), l (I, K) et l (I, K) sont des sous-espaces vectoriels de KI .

1 2 ∞
De plus si (ai ) et (bi ) sont dans l2 (I, K), alors (ai bi ) est un élément de l1 (I, K).
X
Propriété. Pour tout (ui ), (vi ) ∈ l2 (I, R), on pose ((ui )|(vi )) = ui vi .
i∈I
l2 (I, R) muni de (.|.) est un espace préhilbertien.
Propriété.
— En posant k(ui )i∈I k∞ = sup |ui |, (l∞ (I), K) est un espace vectoriel normé ;
i∈I
X
— En posant k(ui )i∈I k1 = |ui |, (l1 (I), K) est un espace vectoriel normé ;
i∈I
s X
— En posant k(ui )i∈I k2 = |ui |2 , (l2 (I), K) est un espace vectoriel normé.
i∈I
6.2 Commutativité
Propriété. Commutativité de la somme d’une famille sommable.

Soient (ui )i∈I une famille sommable de complexes et ϕ une bijection de I dans I.

182
X X
Alors (uϕ(i) )i∈I est aussi sommable et uϕ(i) = ui .
i∈I i∈I
Propriété. (Hors programme) Soient (ui )i∈I une famille
X sommable Xde complexes et ϕ une bijection
de K dans I. Alors (uϕ(k) )k∈K est aussi sommable et uϕ(k) = ui .
k∈K i∈I
X X
Remarque. Lorsque (ui )i∈I ∈ RI+ , pour toute bijection d’un ensemble K dans I, uϕ(k) = ui .
k∈K i∈I
Théorème. Sommation par paquets pour des familles de réels positifs.

Soit (Iq )q∈N une partition de I (on accepte que certains Iq soient vides).
On suppose que u = (ui )i∈I ∈ RI+ . Alors u est sommable si et seulement si
pour toutX q ∈ N, la famille (ui )i∈Iq est sommable et
la suite ui est sommable.
q∈N
i∈Iq
X XX
Dans ce cas, ui = ui .
i∈I q∈N i∈Iq
X XX
Remarque. En cas de non sommabilité, on a encore : ui = ui = +∞.
i∈I q∈N i∈Iq
Ainsi, on peut énoncer le théorème sous une forme plus concise
X : XX
si (Iq )q∈N est une partition de I et si (ui )i∈I ∈ RI+ , alors ui = ui .
i∈I q∈N i∈Iq
Corollaire. Interversion de sommations pour des suites doubles de réels positifs (Fubini).
Soit (up,q )(p,q)∈N2 ∈ RN
2
+ . Les propriétés suivantes sont équivalentes.
La famille (up,q )(p,q)∈N2 est sommable.  
X
Pour tout q ∈ N, (up,q )p∈N est sommable et la suite  up,q  est sommable.
p∈N
 q∈N
X
Pour tout p ∈ N, (up,q )q∈N est sommable et la suite  up,q  est sommable.
q∈N
p∈N
Dans ce cas, on dit que (up,q )(p,q)∈N2 est une suite double sommable et on dispose des égalités suivantes.
+∞ X
+∞
! +∞ X
+∞
!
X X X
up,q = up,q = up,q .
(p,q)∈N2 q=0 p=0 p=0 q=0
Remarque. Comme précédemment, si l’on accepte de travailler dans R+ ∪ {+∞}, on peut énoncer
ce théorème sous la forme suivante : ! +∞ +∞ !
X +∞ X
X +∞ X X
N 2
Pour tout (up,q )(p,q)∈N2 ∈ R+ , up,q = up,q = up,q .
(p,q)∈N2 q=0 p=0 p=0 q=0

183
Théorème. Sommation par paquets pour des familles de complexes.

Soit (Iq )q∈N une partition de I et
 (ui )i∈I
 une famille sommable de complexes. Alors, pour tout
X X XX
q ∈ N, (ui )i∈Iq est sommable, et  ui  est sommable. De plus, ui = ui .
i∈I q∈N i∈Iq
i∈Iq
q∈N
Corollaire. Interversion de sommations pour des suites doubles de complexes.

Soit (up,q )(p,q)∈N2 ∈ CN une suite double sommable de complexes.
2
 Pour q0 ∈ N, (u
 tout   p,q0 ) est
X X
sommable, pour tout p0 ∈ N, (up0 ,q ) est sommable, et les suites  up,q  et  up,q  sont
p∈N q∈N
! ! q∈N p∈N
X +∞ X
X +∞ +∞ X
X +∞
sommables. De plus up,q = up,q = up,q .
(p,q)∈N2 q=0 p=0 p=0 q=0
X X
Exemple. Soient an et bn deux séries absolument convergentes de complexes. Alors la famille
  
X X X
(ap bq )(p,q)∈N2 est une suite double sommable et ap bq =  ap   bq  .
(p,q)∈N2 p∈N q∈N
P P
Définition. Produit de Cauchy de deux séries. Soient un et vn deux séries de complexes.
X n
X
Pour tout n ∈ N, on pose wn = up vq = up vn−p .
p+q=n p=0
P P P
La série wn est appelée le produit de Cauchy des deux séries un et vn .
Propriété. Le produit de Cauchy de deux séries absolument convergentes
! est absolument
! convergent.
+∞
X +∞
X +∞
X
P P
Si un et vn sont absolument convergentes, alors wn = un vn .
n=0 n=0 n=0

184
Semaine 35 – Probabilités, conditionnelles et indépendance, variables aléatoires discrètes

Résumé de cours
Les probabilités (début)

1 Espaces probabilisés
Définition. On appelle tribu, ou σ-algèbre sur un ensemble Ω tout ensemble F de parties de Ω
vérifiant : Ω ∈ F, F est stable par passage au complémentaire
[ (si F ∈ F alors Ω \ F ∈ F) et F est
stable par réunion dénombrable (si (Fn )n∈N ∈ F N , alors Fn ∈ F).
n∈N
Vocabulaire spécifique aux probabilités : Avec les notations précédentes,
Ω s’appelle l’univers.
Les éléments de F s’appellent les événements.
Si {ω} ∈ F, on dit que c’est un événement élémentaire.
∅ est l’événement impossible.
Si A est un événement, Ω \ A est l’événement contraire de A.
Si A et B sont deux événements, A ∩ B est l’événement “A et B”, A ∪ B est l’événement “A ou B”.
Lorsque A ∩ B = ∅, les deux événement A et B sont dits incompatibles.
Définition. Soit F une tribu sur un univers Ω. On appelle système complet d’événements toute
famille (Ai )i∈I (où I est fini ou dénombrable) d’événements 2 à 2 disjoints dont la réunion vaut Ω.
Définition. Si F est une tribu sur un univers Ω, on dit que (Ω, F) est un espace probabilisable.
Définition. Soit (Ω, F) un espace probabilisable. On dit que P est une probabilité sur (Ω, F) si et
seulement si P est une application de F dans [0, 1] telle
! que P (Ω) = 1 et pour toute suite (Fn )n∈N
∞
[ ∞
X
d’événements de F deux à deux disjoints, P Fn = P (Fn ).
n=0 n=0
Dans ce cas, le triplet (Ω, F, P ) est appelé un espace probabilisé.
Propriété. Avec les notations précédentes, pour F, G, H, Fn ∈ F on a :
P (∅) = 0,
Si F0 , . . . , Fp !
sont p + 1 événements deux à deux disjoints, où p ≥ 1,
[ p X p
alors P Fn = P (Fn ).
n=0 n=0
P (F ) = 1 − P (F ) (où F désigne Ω \ F ),
si G ⊂ H, P (H \ G) = P (H) − P (G).
si G ⊂ H, P (G) ≤ P (H) (on dit que P est croissante),
P (G ∪ H) = P (G) + P (H) − P (G!∩ H),
[∞ X∞
Inégalité de Boole : P Fn ≤ P (Fn ) .
n=0 n=0
1
185
Semaine 35 : Résumé de cours 2 Probabilité conditionnelle et indépendance

∆
Notation. On notera souvent P (G, H) = P (G ∩ H).
Propriété : Probabilité sur un univers dénombrable. Lorsque Ω est fini ou dénombrable, on

prendra toujours F = P(Ω). Dans ce cas, pour se donner une probabilité XP sur (Ω, F), il faut et il
suffit de donner une famille sommable (pω )ω∈Ω de réels positifs telle que pω = 1. On définit alors
ω∈Ω
X
P par : pour tout F ∈ F, P (F ) = pω .
ω∈F
Définition. Supposons que Ω est de cardinal fini. On dit que P est la probabilité uniforme lorsque
tous les événements élémentaires sont équiprobables. Dans ce cas, avec les notations de la propriété
1 Card(F )
précédente, pour tout ω ∈ Ω, pω = , et pour tout F ∈ F, P (F ) = .
Card(Ω) Card(Ω)
Propriété de continuité : dans un espace probabilisé (Ω,
∞
! F, P ),
[
si (Fn ) est une suite croissante d’événements, P Fn = lim P (Fn ).
n→+∞
n=0
∞
!
\
Si (Fn ) est une suite décroissante d’événements, P Fn = lim P (Fn ).
n→+∞
n=0
Définition. On dit que l’événement F est négligeable si et seulement si P (F ) = 0.
On dit que l’événement F est presque sûr si et seulement si P (F ) = 1.
Si Q est une propriété dépendant de ω ∈ Ω, lorsque {ω ∈ Ω/Q(ω)} est un événement presque sûr, on
dit que “Q(ω) presque sûrement”.
Propriété. Une réunion finie ou dénombrable d’événements négligeables est négligeable.
Une intersection finie ou dénombrable d’événements presque sûrs est presque sûre.
2 Probabilité conditionnelle et indépendance
∆ P (H ∩ G)
Définition. Si P (G) > 0, P (H|G) = : c’est la probabilité conditionnelle de H sachant
P (G)
que G est réalisé. L’application H 7−→ P (H|G) est une probabilité sur Ω, notée PG .
P (H ∩ G)
Ainsi, P (H|G) = PG (H) = .
P (G)
Formule des probabilités composées :
si G1 , . . . , Gk sont k événements tels que P (G1 ∩ · · · ∩ Gk−1 ) > 0, alors
\k
P ( Gi ) = P (G1 ) × P (G2 |G1 ) × P (G3 |G1 ∩ G2 ) × · · · × P (Gk |G1 ∩ · · · ∩ Gk−1 ).
i=1
Formule des probabilités totales : si (Gi )i∈I est un systèmeX complet d’événements, où I est fini
ou dénombrable, et si pour tout i ∈ I, P (Gi ) > 0, alors P (G) = P (G|Gi )P (Gi ).
i∈I
P (H|G)P (G)
Formule de Bayes : Si P (G) ∈]0, 1[ et P (H) > 0, alors P (G|H) =
P (H|G)P (G) + P (H|G)P (G)
Si (Gi )i∈I est un système complet d’événements avec pour tout i ∈ I, P (Gi ) > 0, et si P (H) > 0,
P (H|Gi )P (Gi )
P (Gi |H) = X
alors P (H|Gj )P (Gj ) .
j∈I

186
Semaine 35 : Résumé de cours 3 Variables aléatoires discrètes

Définition. H et G sont indépendants si et seulement si P (G ∩ H) = P (G)P (H) .
Propriété. Si H et G sont indépendants, alors H et G sont aussi indépendants.
Remarque. Un événement A est indépendant de lui-même si et seulement si P (A) ∈ {0, 1}.
Définition. I étant un ensemble quelconque, les événements de la famille
!(Gi )i∈I sont mutuellement
\ Y
indépendants si et seulement si pour toute partie finie J de I, P Gi = P (Gi ).
i∈J i∈J
Remarque. “mutuellement indépendants” =⇒ “2 à 2 indépendants”, mais la réciproque est fausse.

Propriété. Soit (Gi )i∈I une famille d’événements mutuellement indépendants. Si l’on remplace cer-
tains Gi par leur conjugué Gi , alors c’est encore une famille d’événements mutuellement indépendants.
3 Variables aléatoires discrètes

Définition. Soit (Ω, F, P ) un espace de probabilité. Une variable aléatoire à valeurs dans un ensemble
E muni d’une tribu E est une fonction X : Ω −→ E telle que, pour tout A ∈ E, X −1 (A) ∈ F.
On note souvent ”X ∈ A” au lieu de X −1 (A).
Remarque. Lorsque E = R, on dit que X est une variable aléatoire réelle.
Lorsque E = N, on dit que X est une variable aléatoire entière.
Propriété. Avec les notations précédentes, si l’on pose, pour tout A ∈ E, PX (A) = P (X ∈ A),
alors PX est une probabilité sur (E, E) que l’on appelle la loi de X.
Définition. Si B est un événement de Ω, la loi de X conditionnée par B désigne l’application
P ((X ∈ A) ∩ B)
A 7−→ P (X ∈ A|B) = , de E dans [0, 1]. C’est encore une probabilité sur (E, E).
P (B)
Définition. On dit qu’une variable aléatoire X est discrète si et seulement si X(Ω) est fini ou
dénombrable et si E = P(E).
Remarque. Le programme de MP ne prévoit que l’étude des variables aléatoires discrètes, ce que
nous supposerons donc dorénavant.
Propriété. Soit (Ω, F, P ) un espace de probabilité et X une application de Ω dans un ensemble
quelconque E. X est une variable aléatoire discrète si et seulement si X(Ω) est fini ou dénombrable
et si, pour tout d ∈ X(Ω), X −1 ({d}) ∈ F.
Dans ce cas, la loi de X est entièrement déterminée par la famille (P (X = d))d∈X(Ω) .
Remarque. Toute variable aléatoire entière est discrète.
Définition. Soit X une variable aléatoire discrète de Ω dans E et f une application de E dans un
∆
ensemble F . Alors Y = f (X) = f ◦ X est une nouvelle variable aléatoire discrète dont la loi est donnée
X
par : ∀y ∈ F, PY (y) = P (X ∈ f −1 ({y})) = PX (x).
x∈X(Ω)
f (x)=y

Définition. Soit X une variable aléatoire de Ω dans un ensemble E de cardinal fini. On dit que X
suit une loi uniforme (souvent notée U) si et seulement si PX est la probabilité uniforme, c’est-à-dire
1
si et seulement si pour tout k ∈ E, P (X = k) = .
Card(E)
Définition. On fixe une variable aléatoire X à valeurs dans N.
Les lois classiques au programme sont les suivantes :

187
Semaine 35 : Résumé de cours 3 Variables aléatoires discrètes
— Loi de dirac, lorsqu’il existe n0 ∈ N tel que P (X = n0 ) = 1 et P (X = n) = 0 pour tout n 6= n0 .

On dit alors que X est une variable aléatoire déterministe, ou bien constante.
— Loi de Bernoulli de paramètre p ∈ [0, 1], notée B(p) :
P (X = 1) = p et P (X = 0) = 1 − p .
C’est le cas lorsque X représente le succès (X = 1) ou l’échec (X = 0) d’une épreuve.
— Loi binomiale de paramètres n ∈ N∗ et p ∈ [0, 1], notée B(n, p) :

Pour tout k ∈ {0, . . . , n}, P (X = k) = nk pk (1 − p)n−k (et P (X = m) = 0 pour
m ∈ / {0, . . . , n}). C’est le cas lorsque X désigne le nombre de succès parmi une suite de n
épreuves indépendantes de loi de Bernoulli de paramètre p.
— Loi géométrique de paramètre p ∈]0, 1[, notée G(p) :
Pour tout n ∈ N∗ , P (X = n) = (1 − p)n−1 p (et P (X = 0) = 0).
C’est le cas lorsque X représente l’instant du premier succès lors d’une suite d’épreuves
indépendantes de loi de Bernoulli de paramètre p.
λn
— Loi de Poisson de paramètre λ ∈ R∗+ , notée P(λ) : pour tout n ∈ N, P (X = n) = e−λ .
n!
Notation. On utilisera la notation X ∼ L pour indiquer que la variable aléatoire X suit la loi L et
la notation X ∼ Y pour indiquer que les deux variables aléatoires suivent la même loi.
Propriété. X est une variable aléatoire à valeurs dans {0, 1} si et seulement si il existe un événement
A tel que X = 1A . Dans ce cas, on a X = 1A ∼ B(p) où p = P (A).

188
Semaine 36 – Convergence en loi, variables aléatoires indépendantes, espérance et variance, propriétés de
convergence, théorie de l’intégration, sommes de Riemann, applications réglées
Semaine 36 (du 29 juin au 3 juillet) :

Résumé de cours
Les probabilités (fin)

1 Variables aléatoires discrètes (suite)
Définition. Si X est une variable aléatoire réelle, l’application x 7−→ P (X ≤ x) est la fonction de
répartition de X.
Définition. Hors programme : Convergence en loi :
Soit (Xk )k∈N une suite de variables aléatoires réelles et X une autre variable aléatoire réelle. On dit
que Xk converge en loi vers X lorsque k tend vers +∞ si et seulement si pour tout x ∈ R tel que
L
P (X = x) = 0, P (Xk ≤ x) −→ P (X ≤ x). on note alors Xk −→ X.
k→+∞ k→+∞
Propriété. Soit (Xk )k∈N une suite de variables aléatoires entières et X une autre variable aléatoire
L
entière. Xk −→ X ⇐⇒ [∀n ∈ N, P (Xk = n) −→ P (X = n)].
k→+∞ k→+∞
Propriété. Pour les variables aléatoires entières, les lois géométriques sont les seules lois sans
mémoire. Plus précisément, si X est une variable aléatoire à valeurs dans N∗ , elle est sans mémoire,
c’est-à-dire qu’elle vérifie pour tout (n, k) ∈ N2 P (X > n + k|X > n) = P (X > k), si et seulement si
il existe p ∈]0, 1[ tel que X ∼ G(p).
2 Variables aléatoires indépendantes

2.1 Lois conjointes et lois marginales
Définition. Soit n ∈ N∗ . Si X1 , . . . , Xn est une suite de n variables aléatoires discrète de Ω dans des
ensemble Ei , alors, en posant pour tout ω ∈ Ω, X(ω) = (X1 (ω), . . . , Xn (ω)), on définit une variable
∆
aléatoire discrète X = (X1 , . . . , Xn ) de Ω dans E1 × · · · × En .
On dit que la loi de X est la loi conjointe des variables aléatoires X1 , . . . , Xn .
Pour tout i ∈ {1, . . . , n}, la loi de Xi est appelée la ième loi marginale de X.
Exemple. Soit X = (X1 , X2 ) un couple de variables aléatoires entières. On note (p1,k ) = (P (X1 = k))
la première loi marginale de X et (p2,k ) = (P (X2 = k)) la seconde loi marginale.
X X
On note également ch,k = P (X = (h, k)) la loi conjointe. Alors p1,k = ck,h et p2,k = ch,k .
h∈N h∈N
Définition. Soit X = (X1 , X2 ) un couple de variables aléatoires discrètes. Pour tout h ∈ X2 (Ω)
tel que P (X2 = h) > 0, la loi conditionnelle de X1 sachant que X2 = h désigne la probabilité
A 7−→ P (X1 ∈ A|X2 = h) (définie sur P(X1 (Ω))). Elle est caractérisée par la suite des
1
189
Semaine 36 : Résumé de cours 2 Variables aléatoires indépendantes
(P (X1 = k|X2 = h))k∈N . On définit de même la loi conditionnelle de X2 sachant que X1 = k.

ck,h
Exemple. Avec les notations de l’exemple précédent, P (X1 = k|X2 = h) = .
p2,h
2.2 Indépendance
Définition. Soit X = (X1 , . . . , Xn ) un n-uplet de variables discrètes. Elles sont mutuellement

n
Y n
Y
indépendantes si et seulement si pour tout k = (k1 , . . . , kn ) ∈ Xi (Ω), P (X = k) = P (Xi = ki ).
i=1 i=1
Propriété. X1 , . . . , Xn sont indépendantes si et seulement si pour toute famille K1 , . . . , Kn de parties

n
Y
de X1 (Ω), . . . , Xn (Ω), P (X1 ∈ K1 , . . . , Xn ∈ Kn ) = P (Xi ∈ Ki ).
i=1
Remarque. Si X1 , . . . , Xn sont des variables aléatoires mutuellement indépendantes, alors elles sont
2 à 2 indépendantes, mais la réciproque est fausse.
Définition. Si (Xi )i∈I est une famille de variables aléatoires discrètes, avec I de cardinal infini, on
dit que ces variables aléatoires sont mutuellement indépendantes si et seulement si pour toute partie
finie J incluse dans I, les variables aléatoires Xj pour j ∈ J sont mutuellement indépendantes.
Propriété. Soit X et Y deux variables aléatoires discrètes indépendantes de Ω dans E et F respec-
tivement. Soit f : E 7−→ E 0 et g : F 7−→ F 0 deux fonctions. Alors f (X) et g(Y ) sont encore deux
variables aléatoires discrètes indépendantes.
Remarque. On peut généraliser l’énoncé et la démonstration au cas suivant : Si (Xi )i∈I est une
famille de variables aléatoires mutuellement indépendantes, alors pour toute famille de fonctions
(fi )i∈I correctement définies, (fi (Xi ))i∈I est encore une famille de variables aléatoires mutuellement
indépendantes.
Corollaire. Soit X1 , . . . , Xm , Y1 , . . . , Yn des variables aléatoires discrètes mutuellement indépendantes.
Alors pour toutes fonctions f et g correctement définies, les variables aléatoires f (X1 , . . . , Xm ) et
g(Y1 , . . . , Yn ) sont indépendantes.
Remarque. Là encore, on peut généraliser . . .
Propriété. Soit X1 , . . . , Xm des variables aléatoires entières mutuellement indépendantes. On sup-
pose qu’il existe p ∈ [0, 1] tel que, pour tout i ∈ {1, . . . , m}, Xi ∼ B(ni , p), où ni ∈ N∗ (p ne dépend
pas de i). Alors X1 + · · · + Xm ∼ B(n1 + · · · + nm , p).
Remarque. On en déduit que le nombre de succès parmi une suite de m épreuves indépendantes de
loi de Bernoulli de paramètre p suit une loi binomiale de paramètres m et p.
Exercice. Soit X1 , . . . , Xm des variables aléatoires entières mutuellement indépendantes telles
que chaque Xi suit une loi de Poisson de paramètre λi > 0. Montrer que X = X1 + · · · + Xn
suit une loi de Poisson de paramètre λ = λ1 + · · · + λm .
Propriété. Soit (pn ) ∈]0, 1[N telle que npn −→ λ ∈ R∗+ . Soit (Xn ) une suite de variables aléatoires
n→+∞
telle que Xn ∼ B(n, pn ). Alors Xn converge en loi vers la loi de Poisson de paramètre λ.
Remarque. Vue la démonstration, l’approximation de la loi de Xn par une loi de Poisson est d’autant
plus valable que k << n et λ << n.

190
Semaine 36 : Résumé de cours 3 Espérance et variance
Application : Dans une file d’attente, supposons que le nombre moyen d’individus arrivant entre
les temps 0 et 1 vaut λ > 0. On note N la variable aléatoire égale au nombre d’individus arrivant
dans la file d’attente entre les temps 0 et 1. On suppose que, pour n suffisamment grand, au plus un
individu arrive entre les temps i−1 i
n et n (c’est l’hypothèse des événements rares). Alors N suit une loi
de Poisson de paramètre λ.
Définition. Une loi discrète sur un ensemble E est la donnée d’une probabilité sur EXmuni de sa
tribu pleine P(E) telle que A = {x ∈ E/P (x) > 0} est fini ou dénombrable et telle que P (x) = 1.
x∈A
Théorème. Soit (En )n∈N une suite d’ensembles et pour tout n ∈ N, soit Ln une loi discrète sur En .
Alors il existe un espace probabilisé (Ω, F, P ) et une suite (Xn ) de variables aléatoires mutuellement
indépendantes telle que, pour tout n ∈ N, Xn ∼ Ln .
Remarque. Ce théorème prouve l’existence d’une suite (Xn )n≥1 de variables aléatoires indépendantes
telles que pour tout n ∈ N∗ , Xn ∼ B(p), où p ∈]0, 1[ ne dépend pas de n. Cette suite modélise une
succession infinie d’épreuves indépendantes qui ont toutes la même probabilité de succès, égale à p.
Notons X la variable aléatoire égale à l’instant du premier succès : X(ω) = min{k ∈ N∗ /Xk (ω) = 1}.
Alors X ∼ G(p).
3 Espérance et variance
3.1 L’espérance
Définition. Soit X est une variable aléatoire

X discrète à valeurs réelles.
∆
Si X est à valeurs dans R+ , E(X) = d.P (X = d) ∈ R+ ∪ {+∞}.
d∈X(Ω)
Sinon, on dit que X est d’espérance finie si et seulement si (d.P (X = d))d∈X(Ω) est sommable, et
∆
X
dans ce cas, E(X) = d.P (X = d).
d∈X(Ω)
Remarque. E(X) ne dépend que de la loi de X.

X
Propriété. Si Ω est fini ou dénombrable, alors E(X) = X(ω)P ({ω}).
ω∈Ω
Propriété. Si A est un événement de l’espace probabilisé (Ω, F, P ),

alors P (A) = E(1A ) , où 1A désigne la fonction caractéristique de la partie A de Ω.
Définition. Une variable aléatoire réelle est dite centrée si et seulement si E(X) = 0.
Exercice. Montrer qu’une variable aléatoire réelle et positive est centrée si et seulement si elle
est nulle presque sûrement.
Théorème de transfert : Soit X : Ω −→ E une variable aléatoire discrète et g : E −→ R
une application. g(X) est d’espérance finie si et seulement si la famille (g(d).P (X = d))d∈X(Ω) est
X
sommable, et dans ce cas, E(g(X)) = g(d)P (X = d) .
d∈X(Ω)
Il faut savoir le démontrer lorsque X(Ω) est fini.
Linéarité de l’espérance :
On note L1 (Ω, P ) l’ensemble des variables aléatoires discrètes de Ω dans R d’espérance finie.
L1 (Ω, P ) est un espace vectoriel et pour tout X, Y ∈ L1 (Ω, P ), E(αX + βY ) = αE(X) + βE(Y ).

191
Semaine 36 : Résumé de cours 3 Espérance et variance
Propriété. Si X ∈ L1 (Ω, P ), pour tout a, b ∈ R, aX + b ∈ L1 (Ω, P ) et E(aX + b) = aE(X) + b.

Propriété. Soit X ∈ L1 (Ω, P ). Si X est presque sûrement constante égale à c, alors E(X) = c.
X est presque sûrement constante si et seulement si X est presque sûrement égale à son espérance.
Propriété. X ≥ 0 =⇒ E(X) ≥ 0.
Propriété. Croissance de l’espérance : X ≤ Y =⇒ E(X) ≤ E(Y ).
Propriété. Inégalité triangulaire : Pour tout X ∈ L1 (Ω, P ), |E(X)| ≤ E(|X|).
Propriété de comparaison : Soit X et Y deux variables aléatoires réelles telles que |X| ≤ Y et Y
est d’espérance finie. Alors X est aussi d’espérance finie.
E(X)
Formule. Inégalité de Markov : Si X ≥ 0 et a > 0, alors P (X ≥ a) ≤ .
a
Théorème. Si X1 , . . . , Xk sont k variables aléatoires discrètes réelles d’espérances finies et mutuel-
lement indépendantes, alors X1 × · · · × Xk est d’espérance finie et
E(X1 × · · · × Xk ) = E(X1 ) × · · · × E(Xk ). La réciproque est fausse.
À savoir démontrer lorsque les Xi (Ω) sont finis.
3.2 La variance
Définition. Soit k ∈ N∗ et X une variable aléatoire réelle. Si X k est d’espérance finie, on dit que
E(X k ) est le moment d’ordre k de X.
Notation. On note L2 (Ω, P ) l’ensemble des variables aléatoires X discrètes à valeurs réelles possédant
un moment d’ordre 2, définies sur l’espace probabilisé (Ω, F, P ).
Lemme : Si X1 , X2 ∈ L2 (Ω, P ), alors X1 X2 ∈ L1 (Ω, P ).
Corollaire. L2 (Ω, P ) est un sous-espace vectoriel de L1 (Ω, P ).
Définition. Si X1 , X2 ∈ L2 (Ω, P ), la covariance est Cov(X1 , X2 ) = E[(X1 − E(X1 ))(X2 − E(X2 ))].
Propriété. Cov est une forme bilinéaire symétrique positive sur L2 (Ω, P ), mais ce n’est pas un
produit scalaire.
Définition. Si X ∈ L2 (Ω, P ),p
la variance de X est V ar(X) = E[(X − E(X))2 ].
L’écart type de X est σ(X) = V ar(X).
Remarque. V ar(X) = 0 si et seulement si X est presque sûrement constante.
Définition. X est réduite si et seulement si X ∈ L2 (Ω, P ) et V ar(X) = 1.
Propriété. Formule de Koenig-Huygens : Si X ∈ L2 (Ω, P ), V ar(X) = E(X 2 ) − E(X)2 .
Si X1 , X2 ∈ L2 (Ω, P ), alors Cov(X1 , X2 ) = E(X1 X2 )−E(X1 )E(X2 ) : donc, si deux variables aléatoires
de L2 (Ω, P ) sont indépendantes, elles sont orthogonales au sens de Cov (la réciproque est fausse).
Propriété. Pour a, b ∈ R et X ∈ L2 (Ω, P ), V ar(aX + b) = a2 V ar(X).
X − E(X)
Propriété. Si X ∈ L2 (Ω, P ) avec σ(X) 6= 0, alors est centrée et réduite.
σ(X)
Propriété.
Si X1 , X2 ∈ L2 (Ω, P ), V ar(X1 + X2 ) = V ar(X1 ) + V ar(X2 ) + 2Cov(X1 , X2 ).
k
X X
2
Si X1 , . . . , Xk ∈ L (Ω, P ), V ar(X1 + · · · + Xk ) = V ar(Xi ) + 2 Cov(Xi , Xj ).
i=1 1≤i<j≤k

192
Semaine 36 : Résumé de cours 4 Propriétés de convergence
Si X1 , . . . , Xk sont k variables aléatoires de L2 (Ω, P ) que l’on suppose deux à deux indépendantes,
alors V ar(X1 + · · · + Xk ) = V ar(X1 ) + · · · + V ar(Xk ).
Propriété. Inégalité de Cauchy-Schwarz : pour tout X, Y ∈ L2 (Ω, P ), E(XY )2 ≤ E(X 2 )E(Y 2 ),
avec égalité ssi il existe α, β ∈ R tel que (α, β) 6= (0, 0) et αX + βY est presque sûrement nulle.
pour tout X, Y ∈ L2 (Ω, P ), Cov(X, Y )2 ≤ V ar(X)V ar(Y ), avec égalité ssi il existe α, β ∈ R tel que
(α, β) 6= (0, 0) et αX + βY est presque sûrement constante.
Définition. (hors programme) : Soient X, Y ∈ L2 (Ω, P ) telles que V ar(X)V ar(Y ) > 0. Le coefficient
∆ Cov(X, Y )
de corrélation linéaire entre X et Y est Corr(X, Y ) = .
σ(X)σ(Y )
Propriété. Corr(X, Y ) ∈ [−1, 1].
Propriété. |Corr(X, Y )| = 1 si et seulement si il existe (a, b) ∈ R2 tel que P (Y = aX + b) = 1.
Remarque. Corr(X, Y ) indique dans quelle mesure Y dépend linéairement de X, mais Corr(X, Y )
ne mesure pas les dépendances non linéaires (on peut avoir par exemple Corr(X, X 2 ) = 0).
Formule. Espérance et variance pour les lois au programme.
Loi de Bernoulli de paramètre p ∈ [0, 1] : P (X = 1) = p et P (X = 0) = 1 − p.
E(X) = p et V ar(X) = p(1 − p) .
Loi binomiale k de paramètres n ∈ N∗ et p ∈ [0, 1] : Pour tout k ∈ {0, . . . , n},
n n−k
P (X = k) = k p (1 − p) (et P (X = m) = 0 pour m ∈ / {0, . . . , n}).
E(X) = np et V ar(X) = np(1 − p) .
Loi géométrique de paramètre p ∈]0, 1[ : Pour tout n ∈ N∗ , P (X = n) = (1 − p)n−1 p (et
1 1−p
P (X = 0) = 0). E(X) = et V ar(X) = .
p p2
Loi de Poisson de paramètre λ ∈ R∗+ :
λn
pour tout n ∈ N, P (X = n) = e−λ . E(X) = λ = V ar(X).
n!
4 Propriétés de convergence
Formule. Inégalité de Bienaymé-Tchebychev : Soit X une variable aléatoire réelle. Alors, pour
V ar(X)
tout ε > 0, P (|X − E(X)| ≥ ε) ≤ .
ε2
Définition. (hors programme) Soit (Xn )n∈N une suite de variables aléatoires et soit X une variable
aléatoire. Xn converge vers X en probabilité ssi pour tout ε > 0, P (|Xn − X| ≥ ε) −→ 0.
n→+∞
Théorème. Loi faible des grands nombres :

Soit (Xn ) une suite de variables aléatoires dans L2 (Ω, P ) que l’on suppose toutes de même loi et deux
X1 + · · · + Xn
à deux indépendantes. Posons µ = E(Xn ), qui est indépendante de n. Alors converge
n
en probabilité vers la variable aléatoire constante égale à µ.

193
Semaine 36 : Résumé de cours 5 Intégration des applications en escalier
Théorie de l’intégration
Notation. K ∈ {R, C}, a, b ∈ R avec a < b, E est un Banach, i.e un K-espace vectoriel normé
complet, f est une application de [a, b] dans E.
5 Intégration des applications en escalier

5.1 Les applications en escalier
Définition. On appelle subdivision de [a, b] toute famille finie (ai )0≤i≤n de réels
telle que a = a0 < a1 < · · · < an = b.
Notation. On notera S l’ensemble des subdivisions de [a, b].

b−a
Exemple. a + i ∈ S. On dit que c’est une subdivision uniforme.
n 0≤i≤n
Définition. Le pas de σ = (ai )0≤i≤n ∈ S est δ(σ) = max1≤i≤n (ai − ai−1 ).

∆
Notation. Le support de la subdivision σ est l’ensemble A(σ) = {ai / 0 ≤ i ≤ n}.
Propriété. Notons Pf ([a, b]) l’ensemble des parties finies de [a, b] contenant a et b.
L’application A: S −→ Pf ([a, b])

est bijective.
σ 7−→ A(σ)
Définition. σ ∈ S est plus fine que σ 0 ∈ S ssi A(σ) ⊇ A(σ 0 ). Dans ce cas, on note σ 0 σ.
Propriété. est une relation d’ordre partiel.
∆
Définition. Si σ, σ 0 ∈ S, on pose σ ∪ σ 0 = A−1 (A(σ) ∪ A(σ 0 )) : c’est l’unique subdivision de [a, b]
dont le support est la réunion des supports de σ et de σ 0 . C’est sup{σ, σ 0 }.
Définition. f est une application en escalier sur [a, b] si et seulement s’il existe une subdivision
(ai )0≤i≤n de [a, b] telle que, pour tout i ∈ Nn , f est constante sur l’intervalle ]ai−1 , ai [.
Définition. Si f est en escalier et σ = (ai )0≤i≤n ∈ S, σ est une subdivision adaptée à f si et
seulement si, pour tout i ∈ Nn , f est constante sur l’intervalle ]ai−1 , ai [.
Propriété. Les applications en escalier de [a, b] sont bornées.
Propriété. Soit f une application en escalier et σ une subdivision de [a, b] adaptée à f . Alors toute
subdivision plus fine que σ est aussi adaptée à f .
5.2 Intégrale d’une application en escalier
Définition. Soit f une application en escalier et σ = (ai )0≤i≤n une subdivision adaptée à f . Pour
tout i ∈ Nn , notons λi la valeur constante de f sur ]ai−1 , ai [. On pose
Z b n
X
f (t)dt = (ai − ai−1 )λi .
a i=1
Cette quantité est indépendante du choix de σ parmi les subdivisions adaptées à f .


194
Semaine 36 : Résumé de cours 6 Les applications réglées (hors programme)
Z b
Remarque. Lorsque E = R, f représente une somme d’aires de rectangles, affectées d’un signe
Z b a
négatif lorsque λi < 0, donc f est l’aire algébrique de la surface située entre le graphe de f et l’axe
a
des abscisses.
Propriété. Supposons que f est en escalier et soit g une application de [a, b] dans E qui ne diffère
Rb Rb
de f qu’en un nombre fini de points de [a, b]. Alors g en escalier et a g = a f .
Théorème. Notons E([a, b], E) l’ensemble des applications en escalier de [a, b] dans E. C’est un
E([a, b], E) −→ E
K-espace vectoriel et l’application R b est linéaire.
f 7−→ a f
Propriété. Soient F un second K-espace vectoriel de dimension
R finie et u ∈ L(E, F ).
Rb b
Si f est en escalier, u ◦ f est en escalier et a u ◦ f = u a f .
Rb
Propriété. Si f est une application en escalier à valeurs dans R+ , f ≥ 0. a
Rb Rb
Corollaire. Si f, g ∈ E([a, b], E), alors [∀t ∈ [a, b], f (t) ≤ g(t)] =⇒ a f ≤ a g .
Z b Z b
Inégalité triangulaire : Pour tout f ∈ E([a, b], E), f (t)dt ≤ kf (t)kdt.
a a
Relation de Chasles : Soit f ∈ E([a, b], E) et c ∈]a, b[.

Z b Z c Z b
Alors f/[a,c] et f/[c,b] sont des applications en escalier et f= f+ f.
a a c
6 Les applications réglées (hors programme)

6.1 Définition
Définition. On dit que f : [a, b] −→ E est réglée si et seulement si c’est la limite uniforme d’une
suite d’applications en escalier, c’est-à-dire si et seulement si il existe une suite (fn ) ∈ E([a, b], E)N
telle que sup kfn (t) − f (t)k −→ 0. On note R([a, b], E) l’ensemble des applications réglées.
x∈[a,b] n→+∞
Propriété. R([a, b], E) est l’adhérence de E([a, b], E) dans (B([a, b], E), k.k∞ ).
6.2 Les applications continues par morceaux

Propriété. C([a, b], E) ⊂ R([a, b], E) : toute application continue est réglée.
Définition. f : [a, b] −→ E est continue par morceaux si et seulement si il existe une subdivision
σ = (ai )0≤i≤n de [a, b] telle que, pour tout i ∈ Nn , f/]ai−1 ,ai [ est prolongeable par continuité sur
[ai−1 , ai ], ce qui est équivalent à f est continue sur [a, b] \ {a0 , . . . , an } et f admet en chaque ai une
limite à droite (sauf en b) et une limite à gauche (sauf en a). Dans ce cas, on dit que la subdivision σ
est adaptée à f .
Définition. Si I est un intervalle quelconque de R, f : I −→ E est continue par morceaux si et
seulement si toutes ses restrictions aux segments inclus dans I sont continues par morceaux.
Propriété. Les applications continues par morceaux de [a, b] dans E sont réglées.
Théorème. (Hors programme) Une application de [a, b] dans E est réglée si et seulement si elle
admet en tout point de [a, b] une limite à droite (sauf en b) et une limite à gauche (sauf en a).

195
Semaine 36 : Résumé de cours 7 Intégration des applications réglées
Corollaire. Les applications monotones de [a, b] dans R sont réglées.

Corollaire. Le produit de deux applications réglées est réglé.
7 Intégration des applications réglées

7.1 Construction
Définition. Soit f : [a, b] −→ E une application réglée.

k.k∞ Rb Z b
N
Il existe (fn )n∈N ∈ E([a, b], E) telle que fn −→ f . On pose a
f (t) dt = lim fn (t) dt .
n→+∞ n→+∞ a
Remarque. Seule la construction de l’intégrale sur [a, b] d’une application continue par morceaux
est au programme.
7.2 Propriétés
R([a, b], E) −→ E
Théorème. R([a, b], E) est un K-espace vectoriel et R b est linéaire.
f 7−→ a
f
Propriété. Soit F un second K-espace vectoriel de Banach et u ∈ L(E, F ) que l’on suppose continue.
Z b Z b !
Si f ∈ R([a, b], E), alors u ◦ f ∈ R([a, b], F ) et u◦f =u f .
a a
Propriété. On suppose que E est de dimension finie et que e = (e1 , . . . , ep ) est une base de E. Soit
f ∈ R([a, b], E). Notons f1 , . . . , fp les applications coordonnées de f , de sorte que, ! pour tout t ∈ [a, b],
n
X Z b n
X Z b
f (t) = fj (t)ej . Alors f1 , . . . , fp sont réglées et f (t) dt = fj (t) dt ej .
j=1 a j=1 a
Remarque. Réciproquement, si f1 , . . . , fp sont réglées, alors f est aussi réglée.

p
Y
Propriété. Supposons que E = Ei , où pour tout i ∈ Np , Ei est un espace de Banach. Soit
i=1
f ∈ R([a, b], E). Notons f1 , . . . , fp les applications composantes de f , de ! sorte que, pour tout t ∈ [a, b],
Z b Z b
f (t) = (f1 (t), . . . , fp (t)). Alors f1 , . . . , fp sont réglées et f= fi .
a a
1≤i≤p
Remarque. Réciproquement, si f1 , . . . , fp sont réglées, alors f est aussi réglée.

Z b Z b
Inégalité triangulaire : Pour tout f ∈ R([a, b], E), f (t)dt ≤ kf (t)kdt.
a a
Z b
Propriété. Si f est une application réglée à valeurs dans R+ , f ≥ 0.
a
Rb Rb
Corollaire. Si f, g ∈ R([a, b], E), alors [∀t ∈ [a, b], f (t) ≤ g(t)] =⇒ a
f ≤ a
g : l’intégrale est
croissante.
Z b
Exemple. Si f est réglée, f (t)dt ≤ (b − a) sup kf (t)k.
a t∈[a,b]

196
Semaine 36 : Résumé de cours 9 Primitives
Propriété. Soit f une application réglée (resp : continue par morceaux) de [a, b] dans E. Si g est
une application de [a, b] dans E qui ne diffère de f qu’en un nombre fini de points de [a, b], alors g est
Rb Rb
réglée (resp : continue par morceaux) et a f = a g.
Relation de Chasles : soit f ∈ R([a, b], E) et c ∈]a, b[.
Z b Z c Z b
Alors f |[a,c] et f |[c,b] sont réglées et f= f+ f.
a a c
Z α
Convention : Si f est une application définie en α ∈ R, on convient f = 0.
α
Z a Z b
Convention : Si f : [a, b] −→ E est réglée, on convient que f =− f.
b a
Propriété. La relation de Chasles se généralise au cas d’une application f réglée sur l’intervalle
[min(a, b, c), max(a, b, c)], les réels (a, b, c) étant quelconques.
Remarque. Avec ces conventions, les égalités établies dans ce paragraphe restent valables, mais ce
n’est pas le cas des inégalités.
8 Sommes de Riemann
Notation. On fixe une application f de [a, b] dans E.
Définition. On appelle subdivision pointée de [a, b] tout couple (σ, ξ), où σ = (ai )0≤i≤n est une
subdivision de [a, b] et où ξ = (ξi )1≤i≤n vérifie ∀i ∈ Nn ξi ∈ [ai−1 , ai ].
Notation. Notons S 0 l’ensemble des subdivisions pointées de [a, b]. Si (σ, ξ) = ((ai ), (ξi )) ∈ S 0 , on
notera fσ,ξ l’application en escalier définie par ∀i ∈ Nn ∀x ∈]ai−1 , ai [ f (x) = f (ξi ),
Définition. Soit (σ, ξ) = ((ai )0≤i≤n , (ξi )1≤i≤n ) ∈ S 0 . On appelle somme de Riemann associée à f et
Z b n
X
à (σ, ξ) la quantité S(f, σ, ξ) = fσ,ξ = (ai − ai−1 )f (ξi ).
a i=1
Théorème. Si f est une application réglée de [a, b] dans E,

Z b
∗ ∗ 0
∀ε ∈ R+ ∃α ∈ R+ ∀(σ, ξ) ∈ S (δ(σ) ≤ α =⇒ kS(f, σ, ξ) − f k ≤ ε).
a
À savoir démontrer lorsque f est continue.
Corollaire. Soit (σn , ξn )n∈N ∈ S 0N une suite de subdivisions pointées dont le pas tend vers 0. Alors,
Z b
si f est réglée, la suite des sommes de Riemann associée à f et à (σn , ξn ) converge vers f . Plus
a
précisément, en notant, pour tout n ∈ N, σn = (ai,n )0≤i≤ϕ(n)
et ξn = (ξi,n )1≤i≤ϕ(n) , si f est réglée et si max (ai,n − ai−1,n ) −→ 0,
1≤i≤ϕ(n) n→+∞
ϕ(n)
X Z b
alors (ai,n − ai−1,n )f (ξi,n ) −→ f.
n→+∞ a
i=1
n Z
b−aX b − a b
Cas particulier : si f est continue par morceaux, f a+i −→ f.
n i=1 n n→+∞ a

197
Semaine 36 : Résumé de cours 9 Primitives
9 Primitives
Notation. Conformément au programme officiel, on se limite au cas où E est un K-espace vectoriel
de dimension finie. On sait alors qu’il est complet, donc c’est bien un espace de Banach.
On fixe un intervalle I de R d’intérieur non vide et une application f : I −→ E.
Définition. g : I −→ E est une primitive de f si et seulement si g est dérivable sur I et g 0 = f .
Propriété. Si f admet une primitive g0 sur I, alors g est une primitive de f si et seulement si il
existe k ∈ E tel que ∀x ∈ I g(x) = g0 (x) + k.
Propriété. On suppose que f est réglée sur I (c’est-à-dire Z
que les restrictions de f aux intervalles
x
compacts inclus dans I sont réglées). Soit a ∈ I. Alors x 7−→ f (t) dt est continue sur I.
a
Théorème fondamental de l’analyse : On suppose que f est continue sur I. Soit a ∈ I.
F : I −→ E Z x
Alors x 7−→ f (t)dt est l’unique primitive de f s’annulant en a.
a
Corollaire. Soient (a, b) ∈ R2 avec a 6= b et f une application continue de [a, b] dans E. Si F est une
Z b
notation
primitive de f , alors f (t)dt = F (b) − F (a) = [F (t)]ba .
a
Z b
Corollaire. Si f est une application de classe C 1 sur [a, b], f 0 (t)dt = f (b) − f (a).
a
Théorème. Soit f une application de [a, b] dans R.

Rb
Si f est continue, positive et si a f = 0, alors f est identiquement nulle sur [a, b].
Z b
1
Définition. Si f : [a, b] −→ E est réglée, la valeur moyenne de f est f (t) dt.
b−a a
Propriété. Si f : [a, b] −→ R est une application continue, f atteint sa valeur moyenne : il existe
Z b
1
c ∈]a, b[ tel que f (c) = f (t) dt.
b−a a

198

Resumes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resumes

Transféré par

Droits d'auteur :

Formats disponibles

Lycée Louis-le-Grand — MPSI 2

Résumés de cours 2019–2020

D’après Monsieur Merle, compilé par Quentin De Muynck

36 semaines de mathématiques, dont 14 à distance...

Semaine 1 – Fonctions de R dans R, trigonométrie 1

Semaine 2 – Dérivation et intégration 7

Semaine 3 – Transformations du graphe, trigonométrie hyperboliques et réciproques,

Semaine 4 – Ensembles, quantificateurs, opérations ensemblistes, logique. 15

Semaine 6 – Axiome du choix, construction de Z, ordre, anneau et sous-groupes de Z,

Semaine 7 – Les rationnels Q, les réels R, intervalles, bornes supérieurs, R, valeur

Semaine 8 – Développement d’un réel en base quelconque, applications, images directes

Semaine 9 – Cardinaux, sommes et produits finis, listes, arrangements et combinaisons 42

Semaine 10 – Sommes finies (téléscopage, fonctions génératrices), intégration par par-

Semaine 11 – Module, fonctions à valeurs dans C, exponentielle complexe, argument,

Semaine 12 – Équations polynomiales, géométrie dans le plan complexe, similitudes

Semaine 13 – Groupes, sous-groupes, monogènes, cycliques, morphismes, groupe sy-

Semaine 14 – Idéaux, groupes et anneaux quotients 68

Semaine 15 – Z/nZ, théorème chinois, indicatrice d’Euler, complément HP, caracté-

Semaine 16 – Équations différentielles linéaires d’ordre 2, équations à variable sépa-

Semaine 17 – Applications linéaires, espaces affines, structure d’algèbre, espaces vec-

Semaine 18 – Applications lipschitziennes, normes équivalentes, limite dans un espace

Semaine 19 – Suites de vecteurs, adjacentes, extraites, suites de Cauchy, séries de

Semaine 20 – Croissances comparées, séries de Riemann, TCSI, critère de d’Alem-

Semaine 21 – Topologie dans un espace métrique, ouverts, fermés, adhérence, intérieur,

Semaine 22 – Théorèmes de composition, opérations algébriques sur les limites, conti-

Semaine 23 – Comparaison au voisinage d’un point, domination, prépondérance, rela-

Semaine 24 – Dérivabilité, opérations, dérivées d’ordre supérieurs, égalité des accrois-

Semaine 25 – Polynômes, arithmétique sur un anneau principal 123

Semaine 26 – Arithmétique, PGCD, PPCM, racines d’un polynôme 127

Semaine 27 – Racines d’un polynôme, fractions rationnelles 131

Semaine 28 – DES, calculs d’intégrales, matrices 136

Semaine 29 – Matrices, blocs, familles de vecteurs, dimension d’un espace vectoriel,

Semaine 30 – Somme de sous-espaces vectoriels, supplémentaires, sommes directes,

Semaine 31 – Diagonalisation et trigonalisation, trace d’un endomorphisme, matrices

Semaine 32 – Déterminants (calculs), produits scalaires, espaces préhilbertiens, espaces

Semaine 33 – Orthogonalité en dimension finie, distance à un espace vectoriel, Gram-

Semaine 35 – Probabilités, conditionnelles et indépendance, variables aléatoires dis-

Semaine 36 – Convergence en loi, variables aléatoires indépendantes, espérance et

Semaine 1 : Résumé de cours

1.1 Graphe d’une fonction

Notation. Soit f une application de D dans E (notation a)).

Définition. Soit P un polynôme et α ∈ R.

1.2 Premières caractéristiques d’une fonction

Définition. (Notation b))

c Eric Merle 2 MPSI2 LLG

1.3 Opérations sur les fonctions

Définition. (notation b)) Soit f et g deux fonctions de R dans R. Soit λ ∈ R.

c Eric Merle 3 MPSI2 LLG

eiθ + e−iθ eiθ − e−iθ

2.2 Graphes des fonctions circulaires

2.3 Formulaire de trigonométrie

c Eric Merle 4 MPSI2 LLG

2.4 Equations trigonométriques

2.4.3 Résolution de l’équation sin x = s

2.4.4 Résolution de l’équation tan x = t

Définition. tan est une bijection (croissante) de ] − π π

c Eric Merle 5 MPSI2 LLG

2.4.5 Expressions de la forme A cos x + B sin x.

c Eric Merle 6 MPSI2 LLG

Semaine 2 : Résumé de cours

1.2 Règles de dérivation

Dérivées des fonctions usuelles A connaı̂tre par coeur

Dérivées d’ordre supérieur